Ожерельев Александр Александрович

Город: Симферополь
Должность: Системный администратор
Время работы: до 07.02.2024
Обязаности на рабочем месте:
✔ Администрирование ИТ-инфраструктуры предприятия: настройка серверов, обслуживание рабочих станций, развертывание новых серверов и приложений.
✔ Поддержка локальной вычислительной сети: конфигурирование сетевых устройств, мониторинг работоспособности сети, устранение неполадок.
✔ Организация резервного копирования и восстановления данных для минимизации рисков потери информации.
✔ Подготовка технической документации и инструкций для сотрудников компании по использованию программного обеспечения и технических решений.

✔ По совместительству занимаюсь разработкой и администрирование сайта для компании на движке wordpress.

Технологии:

TCP/IP, OSI, Cisco, Linux, Hyper-V, KVM, Active Directory, DNS/DHCP, Yandex.Cloud, Apache/Nginx

Город: Симферополь
Должность: Data Engineer
Время работы: работаю в натоящее время
Обязаности на рабочем месте:
✔ Обслуживание и поддержка корпоративного приложения складской логистики WMS на базе Oracle Database.
✔ Написание SQL-запросов и хранимых процедур для автоматизации процессов обработки данных и оптимизации бизнес-задач.
✔ Автоматизация регулярных отчетов и создание аналитических инструментов для сотрудников отдела аналитики и руководства компании.
✔ Мониторинг производительности базы данных и оптимизация запросов для увеличения скорости обработки больших объемов данных.
✔ Участие в проектах миграции данных между различными системами, включая интеграцию с внешними сервисами и сторонними платформами.

Технологии:

SQL, PL/SQL, Python, DML, DDL, DCL, TCL, JIRA, Confluence, Анализ данных

Завершил профессиональное обучение по программе Data Scientist, получив глубокие знания и практические навыки в области анализа данных и машинного обучения. Продолжаю развиваться дальше, осваивая специализацию Computer Vision Engineer, углубляя понимание методов обработки изображений и видеоданных для эффективного решения сложных задач компьютерного зрения.

Прикладываю пару своих проектов:

• Проект - Рекомендательная система аниме на основе коллаборативной фильтрации.
  
  Подробная информация о процессе решения доступна в файле README.md на GitHub. Здесь также размещён исходный код с пояснениями каждого шага. https://github.com/esta1d/Anime_Recommendation_System/blob/main/README.md
  
  Система основана на методах коллаборативной фильтрации и реализована с использованием библиотеки TensorFlow. Цель проекта — предложить каждому зрителю персонализированные рекомендации, основываясь на предпочтениях пользователей с похожими вкусами.
  
  Основные этапы реализации
  • Подготовка данных:
    Сбор данных о просмотрах и оценках аниме пользователями. Предварительная обработка данных: очистка от пропусков, нормализация рейтингов.
  • Построение модели:
    Использование архитектуры нейронных сетей для моделирования взаимодействия между пользователями и аниме.
  • Применение методов матричной факторизации для выявления скрытых факторов, влияющих на предпочтения пользователей.
  • Обучение и оптимизация модели:
    Разделение данных на тренировочный и тестовый наборы. Настройка гиперпараметров сети для достижения наилучших результатов.
  • Оценка качества рекомендаций с помощью метрик точности и полноты.

• Проект - распознавания автомобильных номеров.
  
  Подробная информация о процессе решения доступна в файле README.md на GitHub. Здесь также размещён исходный код с пояснениями каждого шага. https://github.com/esta1d/CV_car_number_plate_detection/blob/main/README.md
  
  Основные этапы реализации
  • Сбор и подготовка данных
  • Предобработка изображений:
    Применялись методы улучшения качества изображений, такие как фильтрация шумов, повышение контрастности и нормализация освещения. Выполнено выделение областей интереса — авто и автомобильные номера.
  • Обнаружение объектов:
    Использованы алгоритмы обнаружения объектов YOLO
  • Оценка результатов:
    Проведена оценка точности распознавания с использованием метрик IoU (Intersection over Union), точность (precision), полнота (recall) и F1-score.
  • Выведение в production:
    Модель развернута на удаленном сервере и доступна онлайн через веб-приложение. Вы можете самостоятельно проверить работу системы, отправив фотографии автомобиля или машин с номерными знаками по ссылке
    
    Обратите внимание, страница защищена стандартным HTTP протоколом без SSL-сертификата, поэтому браузер может предупредить вас о недостаточной защите соединения. Это не влияет на функциональность сервиса. Так же модель может отрабатывать 5-10 секунд, так как сервер выбран в минимальной конфигурации.

• Проект - предсказание цен на бриллианты.
  
  Подробная информация о процессе решения доступна в файле README.md на GitHub. Здесь также размещён исходный код с пояснениями каждого шага. https://github.com/esta1d/Diamond_Price_Prediction/blob/main/README.md
  
  Проект посвящен предсказанию цен на бриллианты с использованием различных регрессионных моделей машинного обучения. Исходные данные включают характеристики каждого камня, такие как вес, чистота, огранка и цвет.
  Цель исследования — выбрать наиболее точную модель для прогнозирования стоимости камней на основе заданных признаков.
  
  Так же на моем GitHub вы найдете разнообразные интересные проекты, среди которых выделяются следующие решения практических задач бизнеса такие как:
  • Сегментация клиентов — проект, решающий важную маркетинговую задачу сегментации аудитории для повышения эффективности рекламных кампаний и персонализации предложений.
  • Предсказание длительности поездок на такси — решение, позволяющее оптимизировать логистику и улучшать качество обслуживания пассажиров путем точного прогнозирования продолжительности каждой поездки.
  
  Кроме указанных проектов, платформа предлагает множество других полезных решений и инструментов для анализа данных, разработки ПО и автоматизации различных процессов.
  
  Ссылка на гитхаб:

В настоящий момент я занят разработкой собственного Minecraft-сервера, который включает в себя целый ряд уникальных компонентов:

• Лаунчер собственной разработки, созданный на языке программирования C#, обеспечивающий уникальную интеграцию с клиентом игры.
• Собственный веб-сайт находится в активной стадии разработки. Уже доступен предварительный доступ по ссылке сайт находится в разработке.
• Индивидуальная база данных: изначально была выбрана система управления базами данных PostgreSQL ввиду её мощи и масштабируемости, поскольку стандартная MySQL не способна обеспечить необходимые возможности для реализации задуманных функций. Для расширения функционала используется встроенный процедурный язык PL/PgSQL.

Кроме того, весь проект развернут в изолированной среде с использованием Docker-контейнеров, обеспечивая максимальную гибкость и безопасность. Веб-интерфейс администрирования осуществляется через популярную утилиту pgAdmin, предоставляющую удобный доступ ко всей инфраструктуре базы данных.