Augmenta aka Aimnew - ML разработчик / Инженер по компьютерному зрению / Хабр

Augmenta@Aimnew

ML разработчик / Инженер по компьютерному зрению

Хабр Карьера

ПрофильСтатьи4ПостыНовостиКомментарии10

Значки

Захабренный

Приглашен: 20 ноября по приглашению от НЛО

О себе: Мой опыт в строительстве и управленческий опыт научил меня видеть взаимосвязи между бизнес-задачами и технической реализацией. Объединяю экспертизу в строительстве с актуальными IT-навыками: Python (Django, Flask, FastAPI), Docker, Kubernetes (k8s), Ansible, CI/CD (GitHub Action, GitLab CI), Git, Linux (Ubuntu, Astra Linux), Jupyter Notebook, ETL, SQL/PostgreSQL, Data Visualization (Streamlit, Marimo), PyTorch, CV (YOLO, Supervision, OpenCV), ML/DL, DevOps. Опыт работы с промышленным манипулятором KUKA (настройка, программирование на KRL, интеграция).

Автор публикаций в научных журналах в области ИИ и автоматизации в промышленности, уделяя особое внимание анализу данных, машинному обучению и компьютерному зрению.

Ключевые качества:
— Владение Linux (Ubuntu, Astra Linux), CLI, управление пользователями, настройка окружений.
— Опыт развертывания виртуальных машин (VM) и работы с облачными окружениями (Yandex Cloud).
— Контейнеризация (Docker, Docker Compose), базовое понимание архитектуры Kubernetes (pods, deployments).
— CI/CD: настройка пайплайнов GitLab CI / GitHub Actions для автоматического тестирования и деплоя.
— Автоматизация инфраструктуры с помощью Ansible.
-Сбор, предобработка, разметка данных; анализ качества разметки и балансировка классов. Поиск и пути решения улучшения метрик обучения.
— Разметка данных в CVAT / Label Studio / Roboflow.
— Практика обучения моделей детекции/классификации/сегментации и работы с видео-данными (YOLO).
— Оценка качества (mAP, Precision, Recall, F1), анализ ошибок и подготовка отчетов.
— Работа с LLM (интеграция через API OpenAI, Hugging Face, Mistral, OpenRouter, Claude).
— Запуск и развертывание моделей локально (настройка inference-серверов (Ollama), оптимизация ресурсов, работа с GPU/CPU окружениями).
— Опыт настройки CUDA и обучающих окружений для GPU, оптимизация вычислений.
— Навыки конвертации и оптимизации моделей: ONNX, TensorRT.
— Опыт контейнеризации (Docker) и создания API (FastAPI/Flask).
— Практический опыт развертывания и интеграции AI-моделей в реальные системы.
— Способность быстро осваивать новые фреймворки и библиотеки.
— Готовность к решению сложных инженерных задач, готов глубоко погружаться в предметную область

Готов обсуждать как полноценный переход в инжиниринг, так и гибридные роли на стыке данных и управления (Project Manager, Data Scientist Manager, ML Product Manager, AI Product Manager, Lead Analytics).

Информация

Специализация