Технический и стратегический консалтинг в области ИИ
Анализ ваших текущих бизнес-процессов, выявление возможностей для автоматизации и проектирование архитектуры стратегий на основе ИИ.
Ставка: 30 € / час
Связываю передовые исследования в области ИИ
с практической автоматизацией бизнеса.
У меня фундаментальное образование в области прикладной математики и информатики (Санкт-Петербургский государственный университет) и недавно полученная с отличием степень магистра по направлению «Инженерия искусственного интеллекта и кибербезопасности» в Университете Ровира-и-Вирхили (Таррагона), что даёт мне прочную техническую базу. Мои компетенции включают LLM, Python, PyTorch, TensorFlow, LangChain, RAG и мультиагентные системы, такие как CrewAI.
Меня отличают 10 лет опыта в управлении и операционной деятельности в сферах B2B- и B2C-ритейла и страхования. Я глубоко понимаю бизнес-процессы и анализ данных, поэтому внедряю ИИ не ради самой технологии, а для решения реальных бизнес-задач. Успешно пройдя практику по внедрению компьютерного зрения на производственной линии IPTE Spain (Реус), я готова проектировать, разрабатывать и внедрять интеллектуальные системы автоматизации с нуля.
Услуги и предложения
Я оказываю B2B-услуги по консалтингу и внедрению в полностью удалённом формате, помогая оптимизировать и автоматизировать бизнес-процессы вашей компании с помощью передовых технологий ИИ.
Внедрение ИИ и LLM
Интеграция больших языковых моделей (LLM), генерации с дополненной выборкой (RAG) и мультиагентных систем в ваши текущие рабочие процессы для автоматизации работы с текстами, данными и коммуникациями.
Проекты под ключ: 50 € – 1 500 €
Решения в области компьютерного зрения
Полный цикл обучения и внедрения моделей компьютерного зрения для производства, контроля качества, обнаружения объектов и извлечения визуальных данных.
Проекты под ключ: 100 € – 2 000 €
Портфолио
Избранные проекты, которые я выполнила, — от внедрения на производственной линии до мультиагентных систем на базе LLM. Нажмите на изображение, чтобы увидеть больше.
4
Автоматическая проверка сварных швов на производственной линии
Двухэтапный конвейер глубокого обучения, разработанный для IPTE Spain (Реус): детектор RT-DETR находит каждый сварной шов, а U-Net попиксельно сегментирует его и строит тепловую карту, понятную оператору. Модель достигает коэффициента Dice 0,92 в реальном времени, а процесс с участием эксперта (human-in-the-loop) позволяет адаптировать её к новому типу шва примерно на 50 размеченных изображениях.
3
Подсчёт деталей на тепловизионных снимках
Система классического компьютерного зрения, которая подсчитывает целые детали на линии термозапайки по снимкам тепловизионной камеры. Выравнивание фона, поиск линий и окружностей преобразованием Хафа и фильтрация по краям оставляют только полностью видимые детали; параметры подобраны автоматически, и на всех 7 тестовых снимках подсчёт верен.
Мультиагентное написание статей на CrewAI
Команда из трёх LLM-агентов (исследователь, автор и редактор) превращает тему в готовую к публикации статью. Исследователь составляет план, который утверждает человек, автор пишет черновик объёмом от 800 слов, а редактор проверяет ясность, точность и грамматику. Общая память работает на локальных эмбеддингах Ollama.
3
Обнаружение трещин на бетонных поверхностях
Модель глубокого обучения, которая попиксельно находит трещины на фотографиях бетона и асфальта — для автоматизированного осмотра зданий и инфраструктуры. В основе — архитектура DeepCrack (сеть VGG-16 с боковыми выходами на нескольких масштабах), обученная в PyTorch на 300 размеченных изображениях; на 237 новых тестовых снимках модель достигает F1 = 0,71, хотя ширина трещин — всего несколько пикселей.
2
Мультиагентное планирование миссий
Архитектура системы на CrewAI, которая планирует исследовательскую миссию на Марсе для роверов, дронов и спутников. Работу делят шесть команд специализированных агентов: одна готовит данные миссии, четыре прокладывают маршруты для каждого типа техники, а ещё одна сводит всё в единый план с учётом ограничений по энергии, времени и рельефу. Разработано в команде из пяти человек.
2
Статистика по зашифрованным данным
Веб-приложение, в котором недоверенный сервер вычисляет статистику по конфиденциальным данным, ни разу их не расшифровывая. На Python реализован приватный гомоморфизм Доминго-Феррера (ключи из 200 цифр, вероятностное шифрование); по зашифрованному медицинскому набору данных считаются средние, ковариация и регрессия, а прочитать результаты может только владелец данных. Разработано в команде из трёх человек.
Связаться со мной
Открыта для новых проектов и B2B-контрактов. Если вам нужен стратегический совет по внедрению ИИ или практическая разработка для конкретной задачи автоматизации или компьютерного зрения — я готова помочь вашему бизнесу эффективно расти.