← 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
