Intern/Junior Data Scientist/Machine Learning Engineer

Мои компетенции и опыт

Навыки

Python · Pandas · Numpy · Matplotlib · Seaborn · Scikit-Learn · PyTorch · OpenCV · TorchVision · TorchAudio · Librosa · Datasets · Transformers · Sentence-Transformers · LangChain · DeepEval · Pydantic · FastAPI · Pytest · Streamlit · SQL · Docker · Git · English (B1-B2)

Проекты

Детекция аудиодипфейков в условиях телекоммуникационных искажений

• Подготовила протокол обучения и тестирования детектора на нужен доступ к резюме аудиозаписях 690 дикторов, включая настоящую и синтетическую речь. Исследовала устойчивость к шумам DEMAND, реверберации, кодекам OPUS/AMR-WB/ нужен доступ к резюме и потерям пакетов; тестирование включало ранее не использованный кодек AAC.
• Разработала детектор на базе облегчённой ResNet с dilatedconvolutions, CBAM и AttentiveStatisticalPooling. Использовала Gradient Reversal Layer для снижения зависимости признаков от кодеков и моделей синтеза, Focal Loss с Label Smoothing и калибровку вероятностей методом Platt Scaling.
• Сравнила модель с Logistic Regression baseline: EER составил 2,38% на чистых данных, 10,71% при шумовых искажениях, 15,00% при кодировании и 24,05% при комбинированных искажениях (против 23,57%, 35,24%, 37,38% и 39,29% у baseline). Снизила Expected Calibration Error с 0,1097 до 0,0334 спомощью Platt Scaling.
• Реализовала десктопное приложение на CustomTkinter с захватом системного аудио через WASAPI Loopback, VAD на базе Silero, извлечением LFCC/Mel-признаков и обработкой перекрывающихся аудиофрагментов. Экспортировала модель в ONNX Runtime для CPU-инференса; реализовала агрегацию вероятностей и визуализацию результатов.

RAG-помощник по внутренней документации с локальным инференсом LLM

• Разработала RAG-систему для поиска по синтетической базе внутренних регламентов из 5 документов форматов PDF, Word, Excel, Markdown и TXT. Реализовала нормализацию документов и двухэтапный чанкинг: разбиение по структуре заголовков с последующим семантическим разделением.
• Сравнила 6 конфигураций retrieval: BM25, dense search, гибридный поиск и варианты с cross-encoder reranking; на тестовом наборе из 12 вопросов лучшей оказалась связка BM25 + reranker. Пооценке DeepEval методом LLM-as-a-Judge полученыметрики: Answer Relevancy – 97,2%; Faithfulness – 100%; Contextual Precision – 87,5%; Contextual Recall – 95,8%.
• Реализовала API на FastAPI и интерфейс на Streamlit с загрузкой и удалением документов, а также фоновой переиндексацией базы знаний. Настроила контейнеризацию через Docker Compose и трассировку выполнения RAG-пайплайна в Arize Phoenix.
• Реализовала динамическое маскирование и восстановление персональных данных (телефоны, email, ИНН/КПП), обезличенное логирование и локальный инференс нужен доступ к резюме в квантизованном формате Q4_K_M на CPU через LM Studio.