Кандидат технических наук Имею публикации, доклады на отечественных и зарубежных конференциях, патенты. Использовал в работе Python, Scikit-learn, Сatboost, LightGBM, XGBoost, PyTorch, Django, Docker, AirFlow, PostgreSQL, ClickHouse, MATLAB, Simulink, COMSOL Multiphysics, Fluent, C,C#,C++, RAG-технология и другие инструменты.   Более 10 лет занимаюсь разработкой методов ML, разработкой математического моделирования процессов в сложных системах, поиском критериев устойчивости системы, методов анализа сигналов, разработкой методов прогнозирования и формирования рекомендаций.

Разработки веду в основном на Python (numpy, pandas, scipy, sklearn и другие библиотеки). Нейронные сети пишу на PyTorch, раньше работал с TensorFlow. Использовал C# при разработке интеллектуальной SCADA. Разработал модель вибрационного горения и написал код этой модели на C++. В большинстве проектов работал с БД PostgreSQL и ClickHouse. Docker, Git и Airflow использовал во многих проектах. В основном занимался разработкой общей идеи модели, математических алгоритмов и ML кода.

Имею опыт коммуникации с заказчиками и соисполнителями (внутренними и внешними) на этапах заключения контрактов, выполнения и сдачи проектов. Поддерживал контакты пользователями продуктов – консультирование, помощь в освоении.   Опыт руководства как небольшими производственными группами (3-5 человек), так и относительно большим подразделением (руководил головным отделом НИИ, состоящим из 3х лабораторий).

Разрабатывал методы выявления аномалий в сложных системах. Кластеризация DBSCAN, OPTICS. Выявление аномалий по сравнению с моделями - статистика Хотеллинга, log(T^2/UCL). Внедрены в промышленности. Исследовал рыночные аномалии, скачкообразный перескок рыночных параметров между аттракторами.

Разрабатывал систему автоматического управления двигателями – проект замены системы управления на ПИД на систему управления, базирующуюся на технологии MBC. Решение проблемы функционирования в экстремальной ситуации. Разработал цифровой двойник системы (обозреватель) на базе EKF. Разработку вел на Matlab – Simulink, отдельные блоки на C. Принимал непосредственное участие в испытаниях и доводке. Систему автоматического управления прошла эксплуатационные испытания и внедрена.

Разрабатывал методы оценки состояния объекта на основе вейвлет и спектрального анализа сигналов. Фильтрацию зашумленных сигналов методом EKF разработал и внедрил в систему автоматического управления (MBC) двигателей.

Выполнил проекты по прогнозирования изменения состояния объектов и разработал рекомендательные системы на базе этих прогнозов. Внедрено в промышленности. В работах использовались как методы классического ML - линейная и логистическая регрессии, нелинейные регрессоры, градиентные бустинги, Сatboost, LightGBM, XGBoost, так и нейронные сети – CNN, RNN, технология RAG(LLM). При формировании прогнозов в относительно простых случаях строил регрессионные модели, анализировал временные ряды ARIMA, SARIMA, ARIMAX, в продакшен чаще внедрял прогностические модели на базе нейронных сетей RNN.

Разработал на основе RAG-технологии ИИ-агента, который использует для анализа телеметрии корпус текстовых документов (инструкции, нормативы). С помощью специально инструмента (программного комплекса) анализирует on-line телеметрию объекта, выбирает из текстовых документов соответствующие фрагменты, их ранжирует по большому набору критериев и дает ранжированные рекомендации для персонала о действиях. Поскольку многие документы являются сканами или рукописными, то для работы с ними использовались технологии OCR. При разработке ИИ агента проводилась оптимизация его работы, в частности, кэширование частых ответов.

Занимался сбором больших массивов данных – данные разноформатные, разнородные и неполные. Проводил Exploratory Data Analysis (EDA), Data Cleaning, Feature Engineering - очистку структурирование данных для разработки алгоритма автоматического управления.

Занимался алгоритмом оценки состояния объекта по его тепловым изображениям, разработал алгоритм на нейронных сетях CNN.