💼 Калинин Алексей

Deep Learning Engineer
📍 Москва
📞 +7 (903) 012-16-17
📧 kalinin.aa2005018@gmail.com
📨 Telegram @itammigel
💻 GitHub: ItamMigel

---

🧠 Обо мне

DL инженер / Инженер машинного обучения с более чем 2-летним опытом. Активно участвую в хакатонах и соревнованиях по машинному обучению.

---

🎓 Образование

• НИТУ МИСИС, Институт компьютерных наук, ИСАД — Москва, 2023–2027
• Stepik — Основы математической статистики (2023)
• Школа глубокого обучения МФТИ — курс по DL, CV, GAN (2023)
• ШАД Яндекса — курс по NLP (2023)

---

🛠️ Навыки

Языки программирования:
Python, C++

Области:
Classical ML, CV, NLP

Технические навыки:
Pandas, NumPy, Matplotlib, Scikit-learn, CatBoost, XGBoost, transformers, sentence-transformers, PEFT, Spacy, nltk, gensim, langchain, PyTorch, Vosk, OpenCV, FastAPI, LLM, PostgreSQL

Инструменты:
Git, Windows, WSL, pytest, Docker, Weights & Biases (W&B)

---

👨‍💻 Опыт — 1 год 11 месяцев

Газпром — Data Science

📅 Май 2023 — Октябрь 2024

• Анализ временных рядов давления скважин для поиска аномалий (автоэнкодеры) → снижение ложных срабатываний на 30%
• Классификация графиков работы газовых станций с помощью EfficientNetB0 → recall 0.87
• Анализ аудиозаписей работы механизмов (мелспектрограммы + CNN) → accuracy 0.64
• Детекция нарушений на станциях (YOLO) — отсутствие жилета, неправильное положение человека
• Регрессия стоимости бурения — XGBoost, LightGBM, CatBoost, RandomForest

Сбер — DL Engineer

📅 Октябрь 2024 — Апрель 2025

• Повышение качества сегментации и детекции документов (ОСАГО, паспорта) с помощью YOLO
• Классификация диагнозов в страховках: Tf-idf, FastText, Bert, ruRoPEBert → +20% accuracy
  • генерация синтетических датасетов
• Полный цикл разработки сервиса обработки авиа-документов: бизнес, фильтрация, обучение, FastAPI
• Классификация сканов с использованием beitv2_large_patch16_224, улучшение F1 с 0.51 до 0.75
• Исследование подходов VLM для OCR → деплой через FastAPI и vllm

---

🏆 Достижения

🥇 Siam ML Hack — Classic ML

📅 Март 2025
🔗 Решение (GitHub)

Разработал алгоритм выделения информативных участков временных рядов. Использовал ручную разметку, генерацию фичей, бустинги. Получил F1 = 0.69. Решение — интерпретируемое и расширяемое.

---

🥇 MTS True Tech — «Доступные интернет-конференции» (NLP, TTS, STT)

📅 Февраль 2025

Создание платформы для видеозвонков с поддержкой перевода, озвучки и суммаризации:

• STT: Whisper
• TTS: Coqui, Kokoro
• Суммаризация: YandexGPT
• Перевод: ALMA 7B

Платформа поддерживает 19 языков и объединяет функции в одном продукте.

---

🥉 Tatneft Techstorm — Бот-ассистент

📅 Август 2024
🔗 Решение (GitHub)
📜 Диплом
📄 Статья

Создан RAG-бот для Tatneft:

• Поиск по интернету и внутренним базам
• Голосовой ввод через Vosk
• Интеграция Serper API (Google)

---

🥉 Neftecode — Предсказание свойств нефти (Classical ML)

📅 Апрель 2024
🔗 Решение (GitHub)
📜 Диплом

Задача: предсказание вязкости нефти по хим. структуре (SMILES).
Методы: Feature Engineering, BoW, RNN, GNN, CatBoost
Результат: MAE ~15,000 → 3 место

---

🥈 Talent-Match — Сопоставление резюме и вакансий (NLP)

📅 Февраль 2024
🔗 Решение (GitHub)
📜 Диплом

Разработка модели сопоставления резюме и вакансий:

• Источник данных: HeadHunter
• Модель: distil-roBERTa → эмбеддинги
• Архитектура: сиамская нейросеть
  Результат: Recall = 0.8