в/нинженерный
подход.
AI / ML ENGINEER ЛИЧНОЕ ДЕЛО / 01

Владимир
Николаев

Разрабатываю AI,
который решает задачи.

LLM-ассистенты и боты, прогнозирование, компьютерное зрение.
От подготовки данных до API, интерфейса и развёртывания.

Опыт: 5 лет в ML-инженерии.

Посмотреть инструменты
SYSTEM / ONLINEVN — ML.05
01 / INPUTданные
02 / PROCESSмодель
03 / IMPACTпродукт
Сложность внутри.
Польза снаружи.
ОПЫТ / PRACTICE5летв ML-инженерии
LLM & AI BOTS✳PREDICTIVE ML✳COMPUTER VISION✳AUTOMATION✳PRODUCTION
01 / ЗАДАЧИ И РЕШЕНИЯ

С чем ко мне.

Вы приходите с задачей.
Я связываю данные, модели и продукт.

AI / AUTOMATION

LLM-инструменты
и ИИ-боты

Подключить языковую модель к диалогу, внешним API и рабочему процессу. Дать пользователю удобный интерфейс к возможностям AI.

Диалог → действие
PREDICTIVE ML

Прогнозы
и классификация

Оценить время, вероятность или класс события. Подготовить признаки, сравнить модели и превратить предсказание в сервис.

Данные → решение
COMPUTER VISION / 3D

Зрение
и реконструкция

Найти объект, выделить его границы, восстановить форму. Построить пайплайн для изображений и объёмных медицинских данных.

Изображение → результат
DATA / MLOPS

ML в работающем
продукте

Связать подготовку данных, обучение и публикацию модели. Настроить API, контейнеры, обновление артефактов и контроль качества.

Эксперимент → сервис
02 / ИНСТРУМЕНТЫ

Мой рабочий набор.

Языки, библиотеки, инфраструктура.
Каждый инструмент — под свою задачу.

Инструменты для моделей, данных и интеграций.
ДОМЕННЫЕ ЗНАНИЯ

Знакомая территория.

понимать задачу → выбирать модель
D.01

LLM, тексты
и ассистенты

NLP · вопросно-ответные данные · боты

D.02

Табличный ML
и аналитика

Классификация · признаки · качество данных

D.03

Медицинские
изображения

КЛКТ · стоматология · 3D-сегментация

D.04

Логистика
и доставка

Duration · GPS-треки · маршрутизация

D.05

AgroTech
и зрение

Детекция · зрелость · автоматизация

D.06

Моделирование
сложных систем

AGV · очереди · сортировочные центры

03 / ПРАКТИКА

От задачи к результату.

Несколько примеров того,
как инструменты становятся решениями.

01
LOGISTICS / PREDICTIVE ML

Прогнозирование времени доставки

ML-сервис прогнозирования Duration: обновление данных и моделей, CI/CD и восстановление GPS-треков. Аналитические сервисы для оценки поездок и настройки автоматической маршрутизации.

80 → 92%доставки в обещанное окно
−16%средняя длительность опоздания
−10%MAE после восстановления GPS-треков
CatBoost · PostgreSQL · FastAPI · ClearML
02
ПРОЕКТ / NLP & LLM

Подготовка данных для предметных LLM

Пайплайн вопросно-ответных данных: перевод, обогащение через YandexGPT, асинхронная обработка запросов, повторные попытки и экспорт JSONL. Отдельное направление — модульная подготовка математических задач для предметного ассистента.

APIперевод и генерация в одном пайплайне
asyncобработка запросов и восстановление после сбоев
JSONLединый формат подготовленных данных
YandexGPT · Python · asyncio · NLP
03
MEDICAL / COMPUTER VISION

Компьютерное зрение для стоматологии

Сегментация зубов на U-Net, построение панорамы зубной дуги по КЛКТ и восстановление отсутствующих зубов с помощью диффузионной модели. Разработка и внедрение в production.

30 → 5 минручная подготовка исследования
0,96Dice реконструкции
0,923IoU реконструкции
PyTorch · OpenCV · U-Net · Diffusion
04
ПРОЕКТ / TABULAR ML & APPLICATIONS

ML-приложение для анализа событий

Аналитическое приложение с подготовкой данных, классификацией событий и оценкой ресурсных показателей. Работа с дисбалансом классов, подбором параметров, проверками утечек и реестром моделей. Результаты доступны через настольный интерфейс.

MLдеревья, случайный лес и бустинг
Qualityвалидация, дисбаланс и контроль данных
Desktopмодель в интерфейсе аналитика
Python · scikit-learn · PySide6 · SQLite
05
AGROTECH / APPLIED CV

Система зрения для тепличного хозяйства

Детекция агрокультур и классификация зрелости, оптимизация обработки изображений, интеграция аппаратного модуля и аналитическое приложение на PyQt5.

0,92F1-score моделей
+20%скорость обработки изображений
+15%скорость операций выращивания и ухода
TensorFlow · PyQt5 · Docker · SQLite
06
SIMULATION / SYSTEMS THINKING

Цифровая модель сортировочного центра

Дискретно-событийная модель технологической цепочки: персонал, конвейеры, роботизированное оборудование и AGV. Сценарный анализ нагрузки, отказов и правил упаковки, визуализация очередей и загрузки ресурсов.

400направлений распределения товаров
AGVмоделирование роботизированной логистики
CSVэкспорт результатов сценарного анализа
AnyLogic · Java · Process Modeling · Material Handling
04 / ОБРАЗОВАНИЕ

Бауманская
база.

МГТУ им. Н. Э. Баумана

Прикладная математика и информатика

ФУНДАМЕНТ

Бакалавриат

Математика и информатика

СПЕЦИАЛИЗАЦИЯ

Магистратура

Модели и инженерные задачи

КАК Я РАБОТАЮ
01 / РАЗОБРАТЬСЯ

Начать с задачи,
а не с архитектуры

Понятная цель и критерий результата

02 / ПРОВЕРИТЬ

Измерить качество.
Учесть ограничения.

Данные, метрики, стоимость и скорость

03 / ДОВЕСТИ

Встроить решение
в рабочий процесс

API, интерфейс и развёртывание

РАЗБИРАЮСЬ В ДЕТАЛЯХ. ВИЖУ СИСТЕМУ.

За каждой моделью —
решённая задача.