ML Portfolio — практические pet‑проекты по машинному обучению

Этот репозиторий собрал мои небольшие, но показательные проекты по ML/DL. Цель — быстро показать работодателю/тимлиду мои практические навыки: от классического ML до нейросетей, AutoML, RL и NLP. В каждом подпроекте есть свой README.md с инструкциями запуска и примерами.

— Если вы HR: достаточно раздела «Навигация по проектам» и «Навигация по проектам: навыки» в списке ниже. — Если вы инженер/тимлид: загляните в соответствующие подпроекты — там краткие инструкции и код.

---

Навигация по проектам

• AutoTopic — автоматическое тематическое моделирование текстовых логов на основе BERTopic, с трекингом экспериментов в MLflow и Streamlit‑интерфейсом.

  • Навыки: NLP предобработка (ru/en), эмбеддинги Sentence‑Transformers, UMAP+HDBSCAN, c‑TF‑IDF, Optuna, MLflow, Streamlit.
  • Подробнее: ./AutoTopic/README.md

• ML‑Automation — гибкий AutoML‑хаб (AutoMLHub) c поддержкой текстовых признаков (эмбеддинги или TF‑IDF), единого интерфейса и визуализаций (ROC, важности).

  • Навыки: FLAML/H2O/TPOT/Auto‑Sklearn/PyCaret, конфигурирование через YAML, сохранение/загрузка моделей, метрики.
  • Подробнее: ./ml-automation/README.md

• PyTorch Learning Sandbox — учебные мини‑примеры по PyTorch: тензоры/автоград, RNN, transfer learning ResNet50, сегментация U‑Net, VAE.

  • Навыки: PyTorch core, DataLoader/Dataset, тренировочные циклы, CV‑архитектуры, метрики/лоссы.
  • Подробнее: ./pytorch/README.md

• RL CV Car Autopilot (KITTI) — обработка многомодальных данных (камера+LiDAR+IMU), проекция 3D→2D, среда Gym и обучение агента (SAC) со Stable‑Baselines3.

  • Навыки: компьютерное зрение, сенсорный фьюжн, калибровки, собственная среда Gym, SAC/DDPG, рендер/BEV.
  • Подробнее: ./rl_cv_car-autopilot/README.md

• scikit‑learn Supervised Learning — коллекция практик по классическому ML: линейные модели, регуляризация, LDA, SVM, OMP, PA, байесовские регрессии.

  • Навыки: sklearn, визуализации, метрики, сравнение методов, воспроизводимые скрипты.
  • Подробнее: ./scikit-learn/README.md

• TensorFlow Examples — набор примеров на TF 2/Keras: CNN для Fashion‑MNIST, регрессия (UCI Auto MPG), transfer learning (TF‑Hub), сохранение/загрузка, гипертюнинг.

  • Навыки: tf.data, Keras Sequential/слои, transfer learning, keras‑tuner, чекпоинты.
  • Подробнее: ./tensorFlow/README.md

• Kaggle — заметки и решения соревнований (пример: Titanic — TF‑DF GBT и RandomForest).

  • Профиль Kaggle: https://www.kaggle.com/name00smth
  • Подробнее: ./kaggle/Readme.md и ./kaggle/titanic/Readme.md

---

Что демонстрируют проекты (скиллы)

• Классический ML: sklearn, регуляризация, сравнение алгоритмов, визуализация и метрики.
• NLP: очистка/нормализация, эмбеддинги, тематическое моделирование, оценка coherence/diversity.
• Deep Learning: PyTorch и TensorFlow 2 — модели, тренировочные циклы, transfer learning, сегментация, VAE.
• RL: проектирование среды Gym, Stable‑Baselines3 (SAC/DDPG), мультимодальные наблюдения.
• AutoML: интеграция нескольких бэкендов, единый API, конфиги YAML, сохранение артефактов.
• Инфраструктура экспериментов: MLflow, Optuna, reproducibility, структурированная организация проекта.
• Веб‑демо: Streamlit для быстрой интерактивной проверки идей.

---

Как связаться

• Email: [email protected]
• Kaggle: https://www.kaggle.com/name00smth
• Telegram: @vbjgfc

Если вам интересны детали реализации — переходите в подпроекты по ссылкам выше. Буду рад фидбеку и вопросам.