Data Scientist (ML-инженер)

На данный момент Data Scientist (ML-инженер).

Мои компетенции и опыт

Июль 2022 — настоящее время РН-Ванкор Красноярск

 Data Scientist (ML-инженер):

 - Разработал и внедрил систему мониторинга (на основе анализа временных рядов) для раннего выявления отклонений в режимах работы оборудования (вибрация, температура, давление, токи двигателей), что позволило предотвращать 30% серьезных неисправностей до их возникновения. 

- Создал и внедрил модель классификации (LightGBM, XGBoost) для автоматического определения типов неисправностей насосного оборудования (нарушение центровки, повреждение подшипника, кавитация и др.) на основе данных SCADA/систем мониторинга с точностью 92%, ускорив диагностику. 

- Оптимизировал ключевые параметры работы (частоту вращения насоса, давление нагнетания компрессора) с помощью ML-моделей, повысив КПД на 7% и снизив энергопотребление при минимизации износа.

 - Разработал и внедрил предиктивные модели (XGBoost, CatBoost) для прогнозирования остаточного ресурса критичного оборудования (насосы, компрессоры, арматура). Результат: Инструмент расчета прогнозного срока эксплуатации, сокративший аварийные остановки и затраты на ремонт за счет оптимизации графиков ТОиР. 

- Разработал и внедрил RAG-систему (Llama 3 + Qdrant) для инженерной поддержки, интегрировав базу знаний из инструкций и отчетов по ремонту. Система обеспечивает семантический поиск и генерацию рекомендаций по диагностике. Результат: сократил среднее время диагностики неисправностей, снизил количество ошибок в рекомендациях по ТОиР для инженеров, формализовал экспертные знания.

- Разработал и внедрил модель компьютерного зрения (YOLOv12, PyTorch) для автоматического обнаружения дефектов сварных швов (поры, трещины, непровары) на рентгеновских снимках (RT). Достигнута точность нужен доступ к резюме : 91%. 

Июль 2021 — Июнь 2022 ООО "ГАЗПРОМНЕФТЬ-ВОСТОК" 

 Инженер: 

- Участвовал в разработке планов (графиков) планово-предупредительных и профилактических ремонтов технологических установок; 

- Осуществлял мониторинг технического состояния технологического оборудования с целью обнаружения дефектов с использованием корпоративной системы предиктивной аналитики. 

- Занимался сбором, подготовкой и анализом данных для построения предиктивных моделей технологического оборудования (газотурбинные установки, компрессорные установки, насосы, электродвигатели, теплообменное оборудование и проч.);

О себе:

Обладаю четким пониманием статистики и классических ML-моделей (регрессия, классификация, кластеризация, ансамбли) и практическим опытом разработки и внедрения моделей Deep Learning для решения задач промышленной аналитики (компьютерное зрение, обработка естественного языка) с 3+ годами опыта. Глубокое понимание производственной аналитики, работа с данными с промышленных объектов, оптимизация производственных процессов с помощью ML. Моя цель — трансформировать данные в действия: разрабатываю и внедряю модели на стыке классического ML и Deep Learning для оптимизации технологических параметров, прогнозирования качества продукции, выявления аномалий и снижения производственных потерь.

 Мой телеграмм нужен доступ к резюме