Clnkr

Начинающий ML / AI-разработчик · Аналитик · Студент 4 курса

Дипломный проект Смотреть проекты

Дипломный проект

В РАБОТЕ · ВКР 2026

Распознавание жестов русского жестового языка (РЖЯ)

Разработка и исследование нейросетевых моделей для автоматического распознавания изолированных жестов РЖЯ по последовательностям ключевых точек тела и рук.

  • Извлечение ключевых точек из видео с помощью MediaPipe, предобработка и аугментация последовательностей.
  • Реализация и сравнение моделей: BiGRU, Transformer и ST-GCN (графовая свёрточная сеть).
  • Выборка — 300 жестов из открытого датасета Slovo; отдельная оценка точности на новых исполнителях.
  • Итог — программное средство распознавания жестов в реальном времени по веб-камере.
PythonPyTorchMediaPipe BiGRUTransformerST-GCN датасет SlovoComputer Vision

Обо мне

Практический опыт разработки ML-сервисов (NLP-эмбеддинги, рекомендательные системы) и full-stack приложений на Python/FastAPI и React. Проходил стажировку по направлению информационной безопасности. Готовлюсь к олимпиаде по искусственному интеллекту: алгоритмы, структуры данных, машинное обучение.

Опыт

Стажировка — Solar CyberDive
Информационная безопасность. Прошёл отбор и очное техническое собеседование.
март 2026 — июнь 2026
Хакатон — IT-Песочница
Командная проектная работа в роли ML / DevOps / Backend разработчика.
май 2026

Проекты

Uplift-Criteo

pet · WIP

Uplift-моделирование на данных Criteo: EDA и проверка рандомизации, базовые модели S-learner, T-learner и класс-трансформация на LightGBM/CatBoost. Метрики: Qini-кривая, uplift@k, AUUC. Бизнес-слой: расчёт выборки под бюджет рассылки и сравнение со случайной рассылкой.

PythonCatBoostLightGBMUplift

Карьерный компас

командный

Сервис профориентации в IT: подбор профессий и персональных roadmap по ответам пользователя. Гибридный рекомендательный пайплайн (rubert-tiny-turbo + KNN), асинхронный бэкенд на FastAPI с JWT, LLM-ассистент через GigaChat API, фронтенд на React и деплой в Docker Compose с Nginx.

FastAPIReactsentence-transformersDocker

MLP с нуля на NumPy

pet

Многослойный перцептрон, написанный с нуля без ML-фреймворков, для бинарной классификации (предсказание рака груди). Сравнение собственной реализации с TensorFlow по качеству и скорости обучения.

NumPyTensorFlowDeep Learning

ML-прогнозирование + Flask

pet

Первый end-to-end ML-проект: модель прогнозирования на scikit-learn, обёрнутая в web-backend на Flask.

scikit-learnFlaskPython

Финансовый дашборд

учебный

Веб-дашборд для учёта личных финансов на TypeScript (front-only).

TypeScriptFrontend

CLI-инструменты на .NET

pet

Task Tracker — консольное приложение для учёта задач, и GitHub Activity Checker — утилита для просмотра активности пользователя через GitHub API.

C#.NETCLI

Навыки

Языки

PythonC++TypeScript / JSC#

ML / DS

scikit-learnNumPypandasTensorFlowCatBoostLightGBMsentence-transformers

Backend

FastAPISQLAlchemy (async)FlaskREST APIJWT

Frontend

ReactTanStack RouterTailwindCSS

Инструменты

GitDocker / ComposeNginx

AI в работе

ClaudeGigaChat API