● Расширен существующий конвейер с одного класса на мультикласс. Это помогло снизить стоимость вывода на 20%. ● Создан конвейер поиска по сетке для существующих моделей, что позволило повысить точность моделей для различных классов на 8%. ● Предлагаемое полуконтролируемое обучение позволяет значительно сократить время маркировки и увеличить скорость маркировки. ● Эта функция позволила использовать большие объемы неразмеченных данных и повысить точность всего конвейера на 6% без необходимости разметки.

OCR исторических текстов. ● Работал в тесном контакте с историческим отделом и транслировал их бизнес-потребности в код. В ходе проекта я дал инструкции по маркировке, обучил OCR-модель, собрал метрики, обратную связь и создал систему преобразования изображений в текст, которая позволила увеличить скорость работы историков. MVP для распознавания эмоций в видеоинтервью и анализа текста в речь. ● Я создал прототип streamlit-сервиса для распознавания эмоций и анализа TTS для HR-систем. Моя работа помогла в три раза сократить время обработки собеседований кандидатов рекрутером. Мультимодальное распознавание эмоций с использованием внимания в естественных условиях. ● В ходе проекта была создана модель для сложного набора данных in-the-wild, итоговая точность модели составила 62%, что всего на 2% ниже, чем у современной модели. Модель была оптимизирована с помощью Apache TVM. Оптимизированная модель позволила сократить затраты в два раза и увеличить скорость вывода модели на 30 %.

Обнаружение стальных аномалий. ● Я разработал модель и сделал для нее сервис. Продукт, созданный на основе этого сервиса, помог снизить производственные затраты в два раза и снизить уровень брака при производстве стали в два раза. Сервис Streamlit для читателя-переводчика-генератора. ● Я сделал сервис Streamlit, который помог в дальнейшем сотрудничестве над проектом и создании конечного продукта с использованием предоставленной кодовой базы.