Вадим Белов

Инженер Машинного и Глубинного обучения

Рекомендательные системы · Ранжирование · Компьютерное зрение · Обработка текста

--- ## 👋 о Себе

Инженер машинного обучения с опытом разработки моделей обработки естественного языка (NLP), компьютерного зрения (CV), рекомендательных систем и ранжирования/матчинг в академических и pet-проектах. Владею Python, PyTorch, transformers, MLflow. Являюсь участником Ozon E-Cup 25 по треку Рекомендательные системы, попав в ТОП-50 (NDC@100=0.26). Прошел курсы Hard ML (Ranking, RecSys, MLOps, A/B-test, и др.) DL-Engineer (NLP, CV). В процессе обучения построения ИИ-агентов и внедрении их в инфраструктуру бизнеса. Обладаю опытом чтения и понимания кодовых баз, также пониманием как обеспечить воспроизводимость ML-эксперементов. На практике оттачиваю умения в:

Исследовательских подходах (эксперименты, апробации, метрики)
ML-lifecycle (EDA → обучение → оценка и выводы → деплой → мониторинг)

В рамках личного проекта освоил за 4 месяца CI/CD и JavaScript.

--- ## 🧠 Опыт ### 🔁 Рекомендательные системы - Content-Based рекомендации - Колабаративная фильтрация (Bloom Filter, approximate knn) - Матричная факторизация (SVD, SVD++, TimeSVD++, FunkMF, ALS, SLIM, BPR) - Сессионные рекомендации - Модели глубокого обучения (DSSM, SASREC/BERT4REC, MULTVAE, MERLIN) - Графовые нейронные сети (node2vec, GCN, LGCN) - Алгоритмы обучения с подкреплением - Модели ранжирования (pairwise / listwise) - Онлайн и оффлайн метрики для рекомендательных систем (NDCG, RR, hitrate, ROC-AUC) ### 📝 Natural Language Processing - Токенизация (BPE, WordPiece, Unigram) - Векторизация(BoW, TF-IDF), эмбеддинг - Признаки (BoE, WBoE, CNN) - Классификация, NER, сравнение текстов - Генерация текста (RNN, LSTM, GRU) - Encode-Decoder (Трансформер, seq2seq) - Трансформеры (Bert, GPT) - Fine-Tuning, PEFT, Promt-Tuning, Adapters, LoRA - Active Learning, Квантизация, Прунинг, Дистиляция - RAG (RAG-боты) и LLM (LLM-агенты) - Evaluation pipelines ### 👁️ Computer Vision - Аугментация данных - Классификация (ViT, CLIP) - Детекция (YOLO, DETR) - Семантическая сегментация (VOC, SAM, Promt-сегментация) - Распознование лица - Трекинг объектов (Deep SORT, FairMOT, ByteTrack, BoT-SORT) - Self-Supervised Learning (BYOL, MAE, DINO) - Генерация (GAN) - Video Processing --- ## ⚙️ Технический стек **Языки программирования** - Python, SQL, JavaScript **ML / DL** - scikit-learn, XGBoost, LightGBM, CatBoost, implicit, faiss, gensim, surprise - PyTorch, albumentations, OpenCV, spaCy, optuna, pillow - HuggingFace Transformers **Работа с данными** - NumPy, Pandas, Polars, SciPy, SiPy, Redis, SQLAlchemy - Matplotlib, Seaborn, Weights & Biases - Superset, MetaBase, Redash, Grafana **MLOps** - Docker - FastAPI - Model inference services **В перспективе** - CUDA, C++ --- ## 🚀 Проекты ### Ozon E-Cup 25 (Рекомендательные системы для одежды) ... 👉 [Repository link] ### 🔹 CV (выявления метастатического рака) 👉 [Repository link] --- ## 🎓 Образование - Karpov Course - Продвинутое Машинное обучение - Инженер Глубокого обучения: CV, NLP - Симулятор DS - Продвинутый Симулятор А/B-тестов - Docker - Нейросети в работе бизнеса (Промт Инженеринг и ИИ-агенты) - Yandex - ML забег (Часть: 1, 2, 3, 4) - Алгоритмы (Часть: 1, 2, 3, 4, 5, 6, 7, 8, 9) - Coursera - Python for everyone (Michigan University) - Django for Everybody (Michigan University) - Algorithms (Stanford) ## 📫 Contact

+7 999 454-58-85

vbelov21@v-belov.ru

@BeloWadim

https://www.kaggle.com/scraggyman

https://leetcode.com/u/scraggyman/

scraggyman

Описание

Sscraggymanupdate: README.md14 мар 2026, 09:23Верифицирован14 мар 2026, 09:231e4a886

S
scraggyman
update: README.md
14 мар 2026, 09:23
Верифицирован
14 мар 2026, 09:231e4a886