SK

ML ENGINEER — PORTFOLIO / 2026

ML
ENGINEER.

Computer VisionDocument AIApplied AI

Разрабатываю прикладные ML-системы: от данных и архитектуры модели до inference pipeline, API и конечного решения.

PYTORCH / CV / OCR / HTR / LLM / VLM / RAG

VIEW PROJECTSGITHUB DOWNLOAD CV
  • GAZPROM NEFT
    ML / DOCUMENT AI
  • 2ND PLACE
    WHEELIES HACKATHON
  • FINALIST ×2
    NTO
  • 97.45 GFLOPs
    TINYHIRES PIPELINE
01 /PROFILE

I BUILD ML SYSTEMS,
NOT ISOLATED MODELS.

ML Engineer с фокусом на Computer Vision, Document AI и Applied AI. Работаю над задачами, где недостаточно просто обучить модель: нужно разобраться в данных, выбрать архитектуру, учесть вычислительные ограничения, построить inference pipeline, проверить качество результата и интегрировать решение в прикладную систему.

Опыт включает OCR/HTR, segmentation, object detection, metric learning, scientific ML, LLM/VLM, RAG, Python backend и Linux-инфраструктуру.

FOCUS
Computer Vision · Document AI · Applied AI
DOMAINS
OCR / HTR · Segmentation · Detection
MODELS
LLM / VLM · RAG · Metric Learning · Scientific ML
ENGINEERING
Inference pipelines · APIs · Validation · Linux infra
02 /EXPERIENCE

GAZPROM NEFTML / DOCUMENT AI

2026 — PRESENT

Разработка ML/Document AI решений для технической и архивной документации.

AHYBRID HTR

Hybrid HTR pipeline для исторических документов

Полный pipeline распознавания исторических русскоязычных документов: рендер страниц, детекция текстовых строк и регионов RF-DETR, гибридная ветка рукописного OCR (TrOCR) и табличного VLM (Qwen3-VL 4B через LM Studio, OpenAI-compatible API), сборка document JSON и document-level структурное извлечение Qwen3.6 27B с детерминированной валидацией ответа.

PDF / IMAGE
RENDER @ 250 DPI
RF-DETR
text lines / regions
TrOCR
handwriting OCR
Qwen3-VL 4B
table localisation + table OCR
DOCUMENT JSON
Qwen3.6 27B
structured extraction · JSON Schema
DETERMINISTIC VALIDATION
evidence checks
FINAL REPORT
  • RF-DETR: детекция строк и текстовых регионов (Kansallisarkisto/rfdetr_textline_textregion_detection_model)
  • TrOCR: распознавание рукописных кириллических строк (Kansallisarkisto/cyrillic-large-handwritten)
  • Qwen3-VL 4B: поиск таблиц на полной странице, возврат bbox, OCR crop таблицы, структура rows — через LM Studio OpenAI-compatible API
  • Qwen3.6 27B: извлечение структурированных параметров из очищенного OCR-документа, ответ ограничен JSON Schema
  • Deterministic validation: page существует в OCR JSON, evidence буквально присутствует на странице, raw_value внутри evidence, имя параметра и confidence допустимы, file/page соответствуют исходным данным; неподтверждённые записи удаляются, rejected items фиксируются в warnings
  • Оптимизация: RF-DETR и TrOCR загружаются один раз, режим --keep-alive, модели LM Studio удерживаются загруженными через TTL
  • Повторная VLM-проверка suspicious lines выключена по умолчанию — trade-off quality/cost без отдельного дорогого VLM request на каждую строку
  • TILED INFERENCE
  • DESKEW
  • BATCH OCR
  • BBOX DEDUPLICATION
  • QUALITY FLAGS
  • FALLBACK ROUTING
  • JSON SCHEMA
  • EVIDENCE VALIDATION
  • KEEP-ALIVE MODELS
BRAG DOCUMENT PROCESSING

Preprocessing крупных технических документов для RAG

Предобработка крупных технических документов (TXT / PDF / DOCX) для RAG: text normalization, удаление control chars, NBSP normalization, zero-width cleanup, soft hyphen cleanup, normalization newlines, восстановление переносов слов, удаление цифровых служебных строк, очистка декоративных разделителей, whitespace normalization и structure-aware chunking.

  • Chunking: soft limit ≈ 29,500 chars, hard limit = 30,000 chars
  • Разрезание по paragraph boundary → semantic block → безопасной позиции до hard limit; избегание маленького последнего chunk
  • Infrastructure: n8n, Python task runner, JavaScript task runner, FastAPI, Docker, Linux
  • TXT / PDF / DOCX
  • STRUCTURE-AWARE CHUNKING
  • NORMALIZATION PIPELINE
  • N8N
  • FASTAPI
  • DOCKER
GENERATIVE OUTPUT
IS NEVER TRUSTED BLINDLY.
Every extracted record is checked against source-page evidence.
  • TILED INFERENCE
  • DESKEW
  • BATCH OCR
  • BBOX DEDUPLICATION
  • QUALITY FLAGS
  • FALLBACK ROUTING
  • JSON SCHEMA
  • EVIDENCE VALIDATION
  • KEEP-ALIVE MODELS

FREELANCE

MAR 2024 — JUL 2025

PYTHON DEVELOPER

Разработка прикладных сервисов и автоматизаций на Python под заказ.

  • REST API на FastAPI, asyncio, Telegram bots, web applications
  • Linux, Nginx, Git, Bash, remote deployment
  • Python
  • FastAPI
  • asyncio
  • REST APIs
  • Telegram bots
  • Linux
  • Nginx
  • Git
  • Bash
03 /FLAGSHIP WORK

SYSTEMS, NOT DEMOS.

Четыре проекта, где есть архитектура, данные, inference и валидация — а не только ноутбук.

P01DOCUMENT AI · CV · VLM · LLM

HYBRID HTR

HISTORICAL DOCUMENT INTELLIGENCE

Гибридный Document AI pipeline для исторических русскоязычных документов: detection, handwritten OCR, table VLM и document-level structured extraction.

RF-DETRTrOCRQwen3-VLQwen3.6
2
OCR BRANCHES
250 DPI
RENDER
JSON SCHEMA
CONSTRAINED LLM OUTPUT
EVIDENCE
DETERMINISTIC VALIDATION
VIEW CASE GITHUB
P02COMPUTER VISION · ARCHITECTURE

B2 + TINYHIRES

SMALL OBJECT SEGMENTATION

Специализированная архитектура сегментации tiny objects: shared MiT-B2 encoder + лёгкий high-resolution encoder TinyHiRes + strong FPN decoder при строгом compute budget 97.45 GFLOPs.

SegFormerMiT-B2TinyHiResPyTorch
0.487
TINY MASK DICE
+50%
RELATIVE IMPROVEMENT IN TINY-MASK DICE
97.45
GFLOPs FULL REPLACEMENT PIPELINE
10,370
VALIDATION IMAGES
VIEW CASE
P03SCIENTIFIC ML · TABULAR · SET MODELS

DAIMLER DOT

SCIENTIFIC ML ENSEMBLE

Multi-branch ensemble для прогноза DOT-метрик по составу смеси: Deep Sets, Set Transformer, retrieval и robust branches с adaptive blending и rare/coverage correction.

Deep SetsSet Transformerscikit-learnPyTorch
-45.7%
NMAE DELTA VISCOSITY
-30.8%
NMAE OXIDATION
5-FOLD
OOF VALIDATION
6
ENSEMBLE BRANCHES
VIEW CASE GITHUB
P04COMPUTER VISION · OBJECT DETECTION

WHEELIES

WASTE DETECTION

End-to-end detection pipeline хакатона Wheelies 2025: от frame extraction и подготовки датасета до multi-stage YOLO fine-tuning и JSON detections. 2nd place.

YOLOOpenCVPythonAlbumentations
2ND PLACE
WHEELIES HACKATHON 2025
6
CLASSES
MULTI-STAGE
FINE-TUNING PIPELINE
VIEW CASE GITHUB
04 /SELECTED WORK

  • DISASTER TWEETS

    Классификация твитов о катастрофах: DistilBERT с 5-fold training, OOF probabilities + meta-model, target encoding, frequency encoding, handcrafted text features. Target encoding создаётся строго внутри fold, чтобы validation target не утекал в признаки.

    DistilBERTTransformersTarget EncodingOOF Meta-model
    GITHUB ↗

  • AMUR TIGER RE-ID

    NTO Artificial Intelligence

    По фотографии тигра найти top-5 наиболее похожих изображений: Vision Transformer embeddings, ArcFace Loss, metric learning, top-5 retrieval. Stripe-pattern segmentation используется как дополнительный ranking signal.

    Vision TransformerArcFace LossMetric LearningSegmentation
    NTO / 2024–25

  • AUTONOMOUS TRANSPORT SYSTEMS

    NTO, second profile

    OpenCV: lane detection, road-sign detection, pedestrian detection, PD controller для автономных устройств.

    OpenCVLane DetectionPD ControllerDetection
    GITHUB ↗

  • ROBOTICS / SLAM

    Webots: autonomous maze navigation, SLAM.

    WebotsSLAMRobotics
    NTO / 2024–25
05 /RECOGNITION
2025
02 PLACE
WHEELIES HACKATHON

Waste detection hackathon — 2nd place

2024 / 2025
FINALIST ×2
NATIONAL TECHNOLOGY OLYMPIAD

Profiles: Artificial Intelligence, Autonomous Transport Systems

2025
SEMIFINALIST
MTS TRUE TECH CHAMP

MTS True Tech Champ semifinal

06 /STACK

ML / DL

Computer Vision

LLM / Document AI

Backend / Infrastructure

Data / ML Engineering

HOVER A HIGHLIGHTED TECHNOLOGY TO SEE THE PROJECT IT POWERED

07 /CODE

github.com/Stasoks

Статический список основных репозиториев: pipelines, training code, tooling.

ALL REPOSITORIES
08 /EDUCATION
2025 — 2029

Санкт-Петербургский государственный университетСПбГУ

Прикладная математика и информатика

09 /CONTACT

LET'S BUILD
SOMETHING
THAT WORKS.

DOWNLOAD CV PDF / RU · UP TO DATE 2026