В рамках "Математической студии" прочитал лекцию для старшеклассников на тему "Машинное обучение"
Мар 02, 2024
В лекции ребята познакомились с практическими задачами построения прогнозных моделей на примере линейной регрессии.
Здравствуйте, меня зовут Антон Михайлович.
Здесь вы найдете информацию о моей профессиональной деятельности.
Область моих интересов связана с такими темами, как искусственный интеллект, машинное обучение, нейронные сети, обработка естественного языка (NLP), большие языковые модели (LLMs), резервуарные вычисления и устройства IoT.
Мои проекты
База данных полностью локализацана для применения на территории РФ. Применен метод машинного обучения Случайный лес. Точность классификации на мошенничество составила 96%.
Stack: Scikit Learn, Pandas, Numpy, Matplotlib, Seaborn
Модель CatBoostRegressor показала значение средней процентной ошибки MAPE = 13%, что позволяет использовать систему для быстрой оценки недвижимости.
Stack: Scikit Learn, Pandas, Numpy, Matplotlib, Keras/Tensorflow, CatBoost
Веб-приложение использует модель CatBoostRegressor для определения рекомендованной стоимости квартир с ошибкой предсказания 13%.
Stack: Flask, Pandas, Numpy, CatBoostRegressor, Scikit Learn.
Классификатор позволяет определить группу товара по короткому описанию с точностью 95%. При этом всего используется 411 групп товаров.
Stack: Scikit Learn, XGBoost, NLTK, FastApi, Python Telegram Bot, Numpy, Pandas, Matplotlib, Seaborn
Выполнено дообучение модели Qwen2.5 7B на наборе данных сталелитейного производства. Применена квантизация, модель запущена на локальном ПК.
Stack: PyTorch, Transformers, PEFT, Llama.cpp, CUDA, Google Colab.
Интеллектуальная система позволяет для произвольного плана земельного участка автоматически подобрать оптимальные параметры жилой застройки включая подбор этажности, площади жилых помещений и др.
Stack: Streamlit, CatBoost, Shapely, Ezdxf, Pandas, Scikit-learn
Интеллектуальная система позволяет автоматически определять ширину и длину листов металла, лежащих на газорезательной машине (ГМ), по фотографии
Stack: Yolo, PyTorch, CUDA, OpenCV
События
Выступил с научно-популярной лекцией на тему "Искусственный интеллект"
10 Дек, 2024
Было расмотрено понятие искусственного интеллекта: тест Тьюринга, мысленный эксперимент Китайская комната, эксперимент ИИ в коробке, классификация ИИ, примеры применения ИИ в медицине, промышленности, информационных техноголиях.
Состоялось выступление на научном семинаре "Проблемы современных информационно-вычислительных систем" Московского государственного университета имени М.В. Ломоносова
2 Дек, 2026
Выступил с докладом на тему "Исследование возможностей резервуарных вычислений на малоресурсных платформах на основе нейронной сети LogNNet", в основе которого лежали исследования проведенные в рамках грантового проекта Российского научного фонда №22-11-00055-П. В докладе представлены результаты экспериментального исследования перспективной нейронной сети LogNNet, основанной на технологии резервуарных вычислений. LogNNet позволяет значительно экономить оперативную память, необходимую для решения прикладных задач обработки данных. Это открывает возможности для её применения на малоресурсных платформах, таких как устройства Интернета вещей, а также встраиваемые и носимые устройства. Работа вызвала живой интерес аудитории, а её результаты получили высокую оценку экспертов. Запись выступления можно посмотреть на платформе RuTube по ссылке.
