Data Scientist

ML задачи:

1. Разработала ML-пайплайны для предсказания вероятности отказа стартер-генератора (СТГ) на основе исторических данных о его работе:
- построение ETL-пайплайнов для подготовки данных
- разработка моделей для выявления типа неисправности и оценки оставшегося срока службы стартер-генераторов

2. Оптимизировала режимы работы стартер-генераторов для повышения эффективности и снижения износа:
- построила ML-модели для прогнозирования эффективности стартер-генератора в зависимости от различных параметров (нагрузка, скорость вращения, температура)

3. Оптимизировала конструкции стартер-генератора и выбор оптимальных материалов для повышения надежности и снижения веса:
- прогнозирование механических свойств материалов в зависимости от их состава и обработки.

4. Развернула модели на сервере, автоматизировала ML-пайплайны с помощью Airflow, разработала API (FastAPI) и контейнеризировала их с использованием Docker-compose. Также создавала интерактивные дашборды для отчетности в Apache Superset.

CV задачи:

1. занималась автоматизацией выявления дефектов на деталях стартер-генераторов во время производства:
- обнаружение дефектов(Object Detection) на изображениях с помощью YOLO5, Faster R-CNN
- сегментация изображения(Image Segmentation) на различные области для выделения дефектных участков с помощью Mask R-CNN, U-Net

Результаты и достижения:

Стек технологий: Statistica, Python, Superset, MatLab, MatCad

- анализировала результаты A/B-тестирования для выбора оптимальных параметров стартер-генераторов
- перевела отчетности для руководства в интерактивные дашборды на Superset
- сопровождала проекты в приложениях трекинга задач и документирования
- анализировала технические данные и выявляла закономерности и тренды
- участвовала в составлении технических заданий

Более 8 успешно завершенных проектов в научно-исследовательской и авиационной областях