● Разработка нейронных сетей: разработка с помощью PyTorch и Sklearn (scikit-learn), а также внедрение в другие среды разработки используя ONNX. ● Работа с видеокартой: обрабатывал данные на видеокарте с помощью OpenCl, а также PyTorch. ● Физико-математическое моделирование: создание алгоритмов обработки сейсмических волновых данных для создания геологической модели нефтегазоносных залежей. ● Работа с бэкендом: работа с API на фреймворке FastAPI с применением Pydantic-моделей и asinco. ● Unit-тестирование: редактирование и работа с unit-тестами, используя pytest, unittest.mock, pyhamcres. ● Рефакторинг существующей кодовой базы (legacy): приведение кода к стандартам PEP8 и принципам ООП; переработка отдельных скриптов в пакеты. ● Разработал и внедрил модель предсказания литологии на основе нейронных сетей (PyTorch), что позволило повысить точность интерпретации каротажа на 10%, а также позволило участвовать в гранте. ● Применил OpenCL для ускоренного расчёта ray tracing-алгоритмов в интерпретации сейсмических данных, что снизило время обработки моделей на 35%. ● Исправил баги в логике программы по отслеживанию распространения трещин при выполнении гидроразрыва пласта, что повысило точность получаемых данных. ● Написал черновой вариант программы для моделирования трещин ГРП. Это помогло сравнить два метода обработки сейсмических данных - наш, изначальный оказался быстрее примерно на 12%.