Publication
机器学习视频分析:识别鱼
http://fkda.ngskmc-eis.net/machine-learning/machine-learning-video-analysis
Michael is available for hire
Hire MichaelMichael Karchevsky
Verified Expert in Engineering
图像处理显影剂
Location
Batumi, Adjara, Georgia
Toptal Member Since
September 12, 2016
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
DemandBase
生成预训练变形器(GPT)， GPT...
Zarplata.ru
PyTorch, Python，生成预训练变形器(GPT)， GPT...
Aurteen, Inc.
图像处理，Python, PyTorch, TensorFlow，深度学习，计算机视觉...
Experience
Availability
Part-time
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
2021 - 2022
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.
Technologies: 生成预训练变形器(GPT)， GPT, 自然语言处理(NLP), Deep Learning, Python, Machine Learning, Data Science, 命名实体识别(NER), Amazon Elastic MapReduce (EMR), Amazon S3 (AWS S3), Amazon EC2
Data Science Team Lead
2019 - 2021
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.
Technologies: PyTorch, Python，生成预训练变形器(GPT)， GPT, 自然语言处理(NLP), Recommendation Systems, 命名实体识别(NER), Computer Vision, Agile, Deep Learning, Management, Big Data, Machine Learning, LightGBM, Lighting, 人工智能(AI), Analytics, IT Deployments
高级数据科学家(深度学习)
2018 - 2018
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.
Technologies: 图像处理，Python, PyTorch, TensorFlow，深度学习，计算机视觉, IT Deployments, Medical Imaging
Data Scientist
2017 - 2018
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), improved API integration, 开发了新的功能.
- 开发门票价格和门票销售预测.
Technologies: Bottle.py、Luigi、statmodels、Scikit-learn、SQL、Pandas、Python
Big Data Analyst
2016 - 2017
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.
技术:亚马逊网络服务(AWS), Python, Spotfire, TIBCO, PostgreSQL, Redshift, Amazon EC2, 关系数据库服务(RDS), Amazon S3 (AWS S3)
Software Developer
2013 - 2017
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.
技术:PyTorch，自然语言工具包(NLTK)， Python, OpenCV, TensorFlow, Keras
信息技术和计算机科学教师
2014 - 2016
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.
技术:图像处理，Python, OpenCV, Git，面向对象编程，c++
Junior Researcher
2014 - 2015
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).
技术:Mathematica, Wolfram, Python, OpenCV, c++
实验室研究助理
2009 - 2014
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.
技术:Tecplot, Linux, D3.js, OpenCV, Python, C++
Intern
2013 - 2013
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, and numerical analysis.
- 实现可视化和技术演示的准备.
Technologies: D3.js, Petrel, Python, C++
Experience
4th PIV Challenge
http://www.pivchallenge.org/我参加了PIV和PTV算法数据处理国际科学竞赛. 在这项工作的过程中，我已经创建、实现或改进了大约20种算法. 用于开发的技术有C、c++、Python、OpenCV、OpenMP、机器学习和MATLAB.
Home Credit Default Risk
http://www.kaggle.com/c/home-credit-default-risk第554名(7198名中排名前8%)——家庭信用违约风险挑战.
TGS盐鉴定挑战
http://www.kaggle.com/c/tgs-salt-identification-challenge我很自豪能获得第27名, 在3名学生中排名前1%,234 participants, 在Kaggle的图像和数据处理竞赛中. 这项竞赛具有特别的挑战性，因为它旨在通过识别地表下的盐沉积来提高地震成像和3D渲染的准确性. 比赛由TGS主办, 领先的地球科学数据公司, 谁试图利用机器学习的力量来自动识别地下目标, 最终为石油和天然气公司创造更准确、更安全的钻井实践.
N+1鱼，N+2鱼数据科学竞赛
http://www.drivendata.org/competitions/48/identify-fish-challenge/视频处理N+1鱼、N+2鱼比赛第11名(源数据-视频).
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第222名(前24%)- Planet:从太空竞赛中了解亚马逊(源数据-图像)
有毒评论分类挑战
http://www.kaggle.com/c/jigsaw-toxic-comment-classification-challenge文本处理比赛第406名(4551名中排名前9%).
Skills
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 Imaging Library, 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, Functional Programming, REST, Distributed Computing, 面向对象编程(OOP), Parallel Computing, Concurrent Programming, Data-driven Programming, 模型驱动工程(MDE), Agile, Management
Platforms
Jupyter Notebook、Amazon Web Services (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, Sequence Classification, 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), Recommendation Systems, 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
2015 - 2017
数据分析硕士学位
Yandex数据分析学院-莫斯科
2014 - 2016
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
2012 - 2014
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
2008 - 2012
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
Collaboration That Works
How to Work with Toptal
在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.
1
Share your needs
在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2
Choose your talent
在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3
开始你的无风险人才试验
与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.
对顶尖人才的需求很大.
Start hiring