Периодически выполняю небольшие проекты для частных клиентов и на фриланс-площадках: Python-скрипты, интеграции с БД, исправление ошибок в коде, Telegram-боты, консольные утилиты, реализация и отладка алгоритмов.

Некоторые из работ:
1. Telegram-бот с ролями и памятью
Задача: диалоговый бот с “аватарами” ролей, контекстной памятью и лимитами.
Решение: python-telegram-bot, контекст в SQLite, системные промпты; LLM через API (по умолчанию DeepSeek, смена моделью через .env).
Результат: MVP, готовый к прод; легко перевести на webhook + Nginx.
Стек: Python, python-telegram-bot, asyncio, Pydantic, dotenv, SQLite, (LLM API).

2. Авто-сборка MKV: видео из B + аудио из A (без перекодирования)
Задача: из двух наборов файлов собрать финальные MKV: видео (B), русская аудиодорожка (A) первой и по умолчанию.
Решение: пайплайн на Python с FFmpeg/ffprobe (+ mkvpropedit), параметризация путей/индексов/сдвига, обработка ошибок и фолбэки.
Результат: пакетная обработка эпизодов, 0 перекодирования, повторяемый запуск.
Стек: Python, FFmpeg/ffprobe, mkvpropedit.

3. Автогенерация титров в стиле “Star Wars” поверх видео
Задача: наложить длинный текст как скроллящиеся титры с перспективой и эффектами.
Решение: MoviePy + ImageMagick; генерация текст-рендеров, плавная прокрутка, градиент/perspective, синхронизация длительности (freeze-frame).
Результат: финальный ролик без артефактов.
Стек: Python, MoviePy, ImageMagick, NumPy, scikit-image.

4. Утилита копирования с прогрессом (PyQt6)
Задача: копирование каталога с показом общего/текущего прогресса и возможностью отмены.
Решение: GUI на PyQt6, фоновый поток (QThread, сигналы/слоты), корректное завершение, обработка ошибок.
Результат: копирование больших директорий без “заморозки” UI; UX-feedback, безопасная отмена.
Стек: Python, PyQt6, os/shutil.

5. Классификатор депрессии по комментариям (без DL)
Задача: бинарная классификация по reddit-комментариям без нейросетей по просьбе заказчика.
Решение: классический NLP-пайплайн (токенизация/нормализация), наивный Байес, валидация.
Результат: Accuracy ~89% на hold-out; простой UI на Kivy для ручных тестов.
Стек: Python, scikit-learn/Naive Bayes, Kivy.

— Писал научные статьи, связанные с областью машинного обучения.

— Имею опыт составления технической документации.
— Защитил диссертацию по теме "Автоматизированное распознавание моделей и регистрационных номеров автомобилей на основе нейросетевых методов".

Полученные результаты:
1. Пайплайн: YOLOv9 (LP detection) → EfficientNet-B1 (car model, 164 cls) → EasyOCR (LP OCR).
2. Данные: собственная выборка + Stanford Cars; доразметка классов/номеров, сплит по машинам.
3. Результаты: LP-детекция mAP@0.5 = 97%; LP character Top-1 = 85%; car model Top-1 = 81% (164 cls).
4. Продукт: мобильный клиент KivyMD + Flask API.
5. Технологии: Python, Keras/TensorFlow, OpenCV, Flask, KivyMD, Matplotlib, Pandas, Numpy, Scikit-learn, Pickle.

Был участником ГПО, выполнял различные проекты.
1. Мобильное приложение на Flutter "Персональный Планировщик". Основная логика это взаимодействие через CRUD + Calendar + SQLite. Итогом работы стала релизная .apk версия проекта.
2. Web-приложение на Vue/NodeJS/Java/Firebase "Система Управления Личными Финансами". Приложение включало авторизацию, визуализацию данных, CRUD операции, чат-бот помощник и парсер банковских СМС. Итогом работы стал рабочий MVP продукта. На данный момент проект мной заморожен, возможно когда-то доведу до релиза.
3. Командный проект. Социальная сеть с ролевыми элементами "HeroesDiary", на стеке Vue/NodeJs/MySQL. В этом проекте я выполнял роль Front-end разработчика на Vue + Vuetify, также занимался реализацией логики для регистрации/авторизации с использованием JWT.

Ещё много разных проектов, есть на моем GitHub.

ИС «Коронавирус в Томске» — разработка системы на WordPress, сбор и обработка данных, визуализация показателей, тест на симптомы, пункты вакцинации; техдок.