Методы визуального осмотра строительных конструкций с применением автономных роботов и алгоритмов машинного обучения. Цель проекта: Создание системы для проведения дефектоскопии строительных конструкций. Спроектировал 3-этапную архитектуру: ● Использовал трансформер компьютерного зрения (ViT) для фильтрации изображений по качеству (устранение размытия, бликов), сократив объем нерелевантных данных на 45%. ● ResNet-50 — бинарная классификация («бетон» vs. «другие поверхности»), достигнув точности 97% (F1-score). ● Обнаружение дефектов бетонных поверхностей с помощью моделей семейства YOLO (You Only Look Once), с последующим подбором гиперпараметров (Optuna, Ray Tune): повысил mAP50-95 с 0.18 до 0.34 (+89%).

● Обучал нейросетевые модели (one-stage, two-stage) для детекции людей в лесных массивах при разных условиях погоды с использованием данных с БПЛА (беспилотные летательные аппараты). Больше всего работал с YOLO. ● Отвечал за EDA (Exploratory Data Analysis). Разработал и внедрил скрипты для автоматизации предобработки данных, что на 70% сократило время подготовки данных. ● Организовывал полный цикл работы с данными: сбор, разметку, аугментацию и управление датасетами (AWS S3 (Amazon Web Services)). ● Спроектировал ETL(Extract, Transform, Load) для данных с дронов. Отвечал за предобработку, валидацию и тестирование модели.