← В ленту
Регистрация: 20.01.2026

Владимир Пятницкий

Специализация: ML Engineer / Python Developer
— Последние несколько лет изучаю Python и веб-разработку (Django, FastAPI), а также ИИ. — В 2024 году прошёл обучение по Computer Vision, защитил диплом «Распознавание инженерной документации с использованием Object Detection / OCR». — На текущем месте работы внедряю автоматизацию бизнес-процессов: транскрибация аудиоконференций, обработка файлов (VBA, PowerShell), RAG. — Продолжаю изучение AI, микросервисов, PyTorch, классического ML, Aiogram. — Занял с командой 3-е место на хакатоне ЛЦТ 2025. Задача Газпромбанк.тех – автоматизированная обработка клиентских отзывов.
— Последние несколько лет изучаю Python и веб-разработку (Django, FastAPI), а также ИИ. — В 2024 году прошёл обучение по Computer Vision, защитил диплом «Распознавание инженерной документации с использованием Object Detection / OCR». — На текущем месте работы внедряю автоматизацию бизнес-процессов: транскрибация аудиоконференций, обработка файлов (VBA, PowerShell), RAG. — Продолжаю изучение AI, микросервисов, PyTorch, классического ML, Aiogram. — Занял с командой 3-е место на хакатоне ЛЦТ 2025. Задача Газпромбанк.тех – автоматизированная обработка клиентских отзывов.

Скиллы

Computer Vision
AI agents
Python
Git
Docker

Опыт работы

AI разработчик / ML / CV Engineer
с 04.2024 - По настоящий момент |NDA
YOLOv8, CVAT, Mediapipe, Streamlit, FastAPI,
Проекты 1. Система распознавания автомобильных номеров. Задача: Создать систему автоматического контроля доступа по номерным знакам с веб-интерфейсом. Достижения: ● Разработал трехэтапный pipeline: детекция автомобилей → поиск номеров → распознавание символов. ● Дообучил YOLO (OBB-модель) и собрал датасет с разметкой. ● Реализовал Streamlit-приложение с проверкой по базе CSV и логированием операций. 2. Анализ элементов ката в карате. Задача: Автоматизировать оценку техники выполнения ката через видеоанализ. Достижения: ● Создал систему детекции переходов между элементами через сравнение эмбеддингов кадров. ● Настроил CNN-классификатор стоек с выводом уровня уверенности. ● Разработал backend на FastAPI для обработки видео в реальном времени. 3. Распознавание результатов анализов крови. Задача: Оптимизировать процесс OCR для медицинских документов. Достижения: ● Разработал систему оценки методов предобработки изображений через WER-метрики. ● Создал унифицированный Python-класс для работы с 4+ OCR-движками. ● Протестировал локальные LLM (Saiga, Qwen) для постобработки текста. 4. Распознавание штампов на инженерных чертежах. Задача: Автоматизировать извлечение данных из технической документации. Достижения: ● Обучил YOLOv8‑модель с точностью 94% на датасете 1500+ чертежей. ● Реализовал классификатор типов штампов и зон для OCR. ● Создал кастомные скрипты автоматизации разметки в CVAT. 5. AI-менеджер рабочих чатов. Задача: Создать систему автоматизации анализа рабочих коммуникаций. Достижения: ● Разработал MVP Telegram‑бота с классификацией типов сообщений с помощью LLM и сохранением в базу. ● Реализовал распознавание и обработку голосовых сообщений. ● Реализовал семантический поиск по тексту сообщений.

Языки

АнглийскийБазовый