Michael Karchevsky
Verified Expert in Engineering
图像处理显影剂
Michael在机器学习和人工智能方面有很强的背景, 具有丰富的产业界和学术界研究经验. 他成功地领导了开发周期,并具有处理各种数据类型的专业知识. 迈克尔有很强的领导能力、团队合作能力、快速的学习能力和以结果为导向的方法. 他在压力下表现出色,能够在截止日期前完成挑战, 这些资格使他成为ML和AI职位的宝贵候选人.
Portfolio
Experience
Availability
Preferred Environment
PyTorch, Machine Learning, Data Science, 人工智能(AI), Python, Deep Learning, 生成预训练变压器(GPT), 自然语言处理(NLP), GPT, Computer Vision
The most amazing...
...是为求职板开发文本嵌入系统吗. 这个系统在推荐和搜索引擎性能方面产生了显著的好处.
Work Experience
高级机器学习工程师
DemandBase
- 管理从研究到部署的全栈机器学习开发周期.
- 通过从较大的文本主体中提取特定的信息或数据片段,从文本序列中执行数据提取.
- 利用机器学习技术开发深度学习模型,训练人工神经网络执行任务.
- 在生产环境中维护API, 其中包括确保api在实时环境中正确有效地运行.
数据科学团队负责人
Zarplata.ru
- 领导一个由四名数据科学和两名数据工程师专业人员组成的团队.
- 领导研究和问题形式化(推荐和搜索系统,NLP,客户流失,简历).
- 监督机器学习模型的开发.
- 协调api在生产环境中的部署和维护.
高级数据科学家(深度学习)
Aurteen, Inc.
- 监督深度学习模型的研究和设计.
- 生成医学图像的分割和分类.
- 开发复杂的生产管道,从培训到部署.
- 研究和实施最先进的数据科学技术.
Data Scientist
SeatCrawler
- 研究和开发新的机器学习算法.
- 实现了数据爬虫和ETL.
- 开发和改进数据科学管道.
- 建立了一个容错的多处理工作流.
- 维护Python web服务(前端+后端), 改进的API集成, 开发了新的功能.
- 开发门票价格和门票销售预测.
Big Data Analyst
P2 Energy Solutions
- 自动化了从RDS到Redshift的数据库迁移管道.
- 构建新的数据仓库,为分析操作提供服务.
- 设计并实现用于数据分析的SQL脚本.
- 维护和修改Spotfire数据可视化页面.
Software Developer
StreamData
- 实现了一个检测系统和跟踪视频中的人, 以帮助确定超市的统计数据.
- 创建了自动数据处理和结果可视化软件.
- 为数据科学预测模型创建了一个算法.
- 为医疗设备开发图像分析算法.
- 创建了神经网络架构和用于样式化图像的API.
信息技术和计算机科学教师
新西伯利亚国立大学
- 创造了一种教育方法. 创建讲座,快速理解关键方面. 结构化编程知识.
- 良好的沟通和表达能力. 学会向学生传递思想和观念.
- 由于接受了良好的培训方法,获得了两名学生的科学咨询.
- 以期末考试的成绩来衡量,训练学生成为编程方面的佼佼者.
Junior Researcher
Baker Hughes
- 获得了井流体动力学和蒙特卡罗方法的经验.
- 创建求解逆问题的优化方法(基于蒙特卡罗算法).
- 对钻头实验数据进行了详细的统计分析.
- 创建了一个电磁设备模型来预测传感器的值.
- 实现了30多个数据处理脚本(具有完整的可视化).
实验室研究助理
新西伯利亚国立大学热物理研究所
- 粒子图像测速(PIV)和粒子跟踪测速(PTV)算法的发展和改进.
- 实现了深度数学图像处理算法.
- 获得了分析算法文档并将其用作实现说明的经验.
- 参加多次会议,撰写或合作撰写科学论文13篇.
- 创建用于数据处理的实用程序和插件.
Intern
Schlumberger
- 模拟水力压裂.
- 开发数值数据分析算法.
- 获得了物理过程的计算机模拟经验, mathematical modeling, 数值分析.
- 实现可视化和技术演示的准备.
Experience
4th PIV Challenge
http://www.pivchallenge.org/TGS盐鉴定挑战
http://www.kaggle.com/c/tgs-salt-identification-challengeN+1鱼,N+2鱼数据科学竞赛
http://www.drivendata.org/competitions/48/identify-fish-challenge/星球:从空间数据科学竞赛中了解亚马逊
http://www.kaggle.com/c/planet-understanding-the-amazon-from-space有毒评论分类挑战
http://www.kaggle.com/c/jigsaw-toxic-comment-classification-challengeSkills
Languages
Python,多尺度建模语言,SQL, Wolfram, Java, UML, c++
Libraries/APIs
Pandas, NumPy, SciPy, Keras, Matplotlib, 自然语言工具包(NLTK), OpenCV, Scikit-learn, SpaCy, PyTorch, NetworkX, SQLAlchemy, TensorFlow, Python成像库, D3.js, Luigi, Bottle.py, Beautiful Soup, Java数字图像处理(DIP),标准模板库(STL), OpenMP
Tools
Seaborn, Gensim, Scikit-image, Git, Plotly, Mathematica, StatsModels, Jupyter, IPython, PyCharm, Tecplot, Amazon Simple Email Service (SES), Google Analytics, JetBrains, IPython Notebook, Spotfire, Apache, SQLiteManager, 命名实体识别(NER), Amazon Elastic MapReduce (EMR), ImageJ
Paradigms
Data Science, 函数式编程, REST, Distributed Computing, 面向对象编程(OOP), Parallel Computing, 并发编程, 数据驱动的编程, 模型驱动工程(MDE), Agile, Management
Platforms
Jupyter Notebook、亚马逊网络服务(AWS)、Linux、Amazon、Amazon EC2、Petrel
Other
计算机视觉算法, Pipelines, Data Processing, Neural Networks, Deep Learning, Algorithms, Analytics, Image Processing, Data Analysis, Computer Vision, Mathematics, Machine Learning, Scientific Computing, 人工智能(AI), Predictive Modeling, Time Series, Text Classification, Text Categorization, 序列的分类, 抽取式问答(EQA), Text Generation, Leadership, Bokeh, Tesseract, Physics Simulations, Statistics, Data Structures, Numerical Methods, Network Programming, 关系数据库服务(RDS), TIBCO, 自然语言处理(NLP), 推荐系统, Search, 3D Image Processing, Patterns, Time Series Analysis, Programming, Physics, Big Data, Lighting, IT Deployments, Medical Imaging, Images, GPT, 生成预训练变压器(GPT)
Frameworks
Scrapy, Flask, LightGBM
Storage
PostgreSQL, Redshift, MySQL, JSON, SQLite, NoSQL, Amazon S3 (AWS S3)
Education
数据分析硕士学位
Yandex数据分析学院-莫斯科
物理与技术信息技术硕士学位
新西伯利亚国立大学-新西伯利亚
物理与技术研究自动化专业硕士学位
新西伯利亚国立大学-新西伯利亚
物理与技术研究自动化专业学士学位
新西伯利亚国立大学-新西伯利亚