Программы

Потоковый прогноз задержек городского транспорта: бинарный протокол NDTP по TCP, GPS-мэтчинг с расписанием, HMM-привязка треков к улицам OSM, CatBoost на 69 признаках со строгой антиутечкой. Честный стриминг-eval: MAE 42 с против 93 с у бейзлайна. Дашборд диспетчера на MapLibre с What-if сценариями, Docker Compose (3 сервиса), ONNX-экспорт, 18 тестов. Решение задачи хакатона, собранное соло за 2 дня с агентами, затем доведено до репозитория.

Norbert AI -- готовая архитектура для создания интеллектуальных ассистентов. Семантический поиск, граф, RAG, веб-поиск и поиск по научным базам, аннотирование и аналитика через LLM.

Пайплайн инспекции дефектов устройств на vision-language модели: дообучение Qwen2.5-VL-3B через QLoRA, полный цикл датасет → обучение → GGUF → Ollama. Сравнение трёх подходов на эталонном сете из 419 изображений (6 категорий MVTec AD): fine-tuned VLM обходит CV-baseline — F1 0.84 против 0.75, recall 0.93 и 100% валидного JSON. Структурированный ответ (поломка/норма, тип, локализация, критичность), 35 тестов, FastAPI, CI.

Система межагентной оценки качества машинного перевода (англ → рус) с помощью нескольких специализированных LLM-агентов и модератора. Используется для научных исследований.

Сегментация клиентов K-Means (география + RFM-профили) и прогноз риска задержки CatBoost для логистического оператора. GroupShuffleSplit по клиентам, кластеризация fit-on-train без утечек. Test ROC-AUC 0.7721 (планка 0.75): кластеры дают +0.015. Гипотеза о «проблемных клиентах» подтверждена наполовину: поведение информативно (15.4% важности), география нет (6.0%).

Простое и удобное приложение для ведения бегового дневника. Автоматический расчёт темпа и скорости, история, графики прогресса и поддержка нескольких пользователей.

Простой скрипт, который автоматически собирает все пронумерованные JPG-файлы в папке и объединяет их в один PDF-документ.

Учебный проект по построению модели предсказания возрастной категории пользователя (0–4) на основе данных о поведении в интернете. Использованы линейные модели, feature engineering, анализ метрик и визуализация. Цель — F1-macro ≥ 0.75.