Второй курс «Искусственный интеллект», Центральный университет. Веду проект целиком: от сбора данных до работающего сервиса.
Мне важно, чтобы проект работал, а не показывал график. Если данных нет, собираю сам: под мониторинг поднял пять серверов, устроил аварии по расписанию и оставил бота работать в systemd.
И чтобы числам можно было верить. В своей же старой работе нашел утечку и посчитал, сколько она стоила: 0.195 ROC-AUC. Отрицательный результат тоже оставляю в работе, если он честный.
Люблю разбираться, как устроено внутри, а не только вызывать fit. Отсюда свои сервера, Arch Linux и привычка объяснять каждое решение в проекте, а не только итоговую метрику.
У первых двух есть страница с разбором и репозиторий с кодом.
Предупреждение об отказе веб-сервиса до того, как он упал. Данных не было, поэтому собрал стенд: пять серверов, 84 цикла контролируемых аварий, разметка по внешней пробе. Главный результат не метрика, а сравнение с пороговым правилом в одинаковых условиях: 4 полезные тревоги из 5 против 0 из 12.
Риск повторного роста метастазов в мозге после радиохирургии. Реальные клинические данные НМИЦ им. Бурденко, 583 пациента. Первая версия показывала PR-AUC 0.899, потом я нашел в ней признак, который знать было нельзя. Все три версии лежат рядом, вместе с ценой каждой ошибки.
Telegram-бот и мини-приложение для клуба мероприятий. Полный цикл в одиночку: требования у заказчика, архитектура, разработка, выкатка на боевой сервер, документация и передача. Три интерфейса на одной базе, выкатка одной командой.
Распределенная сеть узлов на нескольких VPS: транспорт, TLS-маскировка. Централизованная выдача и ротация ключей через панель и бота, мониторинг доступности на Prometheus. На этой же телеметрии вырос проект прогноза отказов.
Профильные курсы: разработка на Python (профессиональный уровень) · введение в статистику · введение в искусственный интеллект, основной и продвинутый уровни · математический анализ и линейная алгебра · научная студия: решение задач клиники методами машинного обучения