Switch to English?
Yes
Переключитись на українську?
Так
Переключиться на русскую?
Да
Przełączyć się na polską?
Tak
  1. Фрилансери

Oleksander Zaitsev

Запропонуйте Oleksander роботу над вашим наступним проєктом або зареєструйте профіль фрилансера і починайте заробляти просто зараз.

Україна Київ, Україна
24 дні 22 години тому
Трохи зайнятий трохи зайнятий
на сервісі 3 роки
Фрилансер Oleksander Z. — Україна, Київ. Спеціалізація — Вбудовані системи та мікроконтролери, C та C++

Рейтинг

Успішних проєктів
Немає даний
Середня оцінка
Немає даний
Рейтинг
225
Вбудовані системи та мікроконтролери
54 місце з 196
C та C++
182 місце з 1373

Резюме

ПРОФЕСІЙНИЙ ПРОФІЛЬ 

Досвідчений інженер з понад 7-річним досвідом у сферах Computer Vision, Edge AI та Robotics. Спеціалізуюся на розробці та оптимізації високонавантажених AI-систем для роботи в реальному часі на платформах NVIDIA Jetson.

КЛЮЧОВІ НАВИЧКИ

  • AI & Computer Vision: NVIDIA CUDA, TensorRT, YOLO (v8, v11), TensorFlow, OpenCV, Pose Estimation.

  • Hardware & Embedded: NVIDIA Jetson, STM32, ESP32, Texas Instruments.

  • Мови та інструменти: C/C++, Python, Qt, Docker, Git, Linux (Ubuntu, JetPack).

ПРОФЕСІЙНИЙ ДОСВІД

  • Emotion Analytics: Реалізував систему "Емоційного маркетингу", що використовує дві послідовні моделі (обличчя + емоції) з оптимізацією під GPU T4.

  • Big Data Training: Навчив моделі на масивах даних VisDrone та ExpW , забезпечивши точність детекції.

  • Система NFTS: Розробив автономний стрілецький інструмент, що аналізує позу курсанта (Pose Estimation) та самостійно приймає рішення про постріл.

  • Оптимізація: Впровадив інференс на базі TensorRT, забезпечивши роботу нейронних мереж у реальному часі на периферійних пристроях.

  • Лазерні системи: Спроектував систему передачі даних лазерним випромінюванням із частотою зчитування 200 FPS (C++, OpenCV).

  • Military Tech: Розробив системи детекції військової техніки та живої сили (зокрема в IR-діапазоні) з використанням YOLOv8/v11.

Навички та вміння

Програмування

Дизайн та арт

Портфоліо


  • Аналізатор емоцій

    AI та машинне навчання
    Емоційний маркетинг для рітейлу, послуг та інше. Навчання здійснено на
    відомому наборі даних Expression in-the-Wild (ExpW) .
    Кількість класів - 7. Загальна кількість зображень 91793.
    Навчання здійснювалось на Google Colaboratory використанням
    … бібліотеки
    Архітектура моделі - YOLO11;
    Інференс реалізован в двух варіантах на Python з використанням
    бібліотеки Ultralytics, та на C++ з використанням TensotRT для відеокарт NVIDIA,
    та для міні комп'ютерів NVIDIA Jetson Nano. Для реалізації використовується дві
    моделі. Перша - це інференс обличчя, друга інференс емоції, для NVIDIA
    моделі YOLO конвертовані в двигуни engine .
    ltralytics.

  • Тренувальна система від’ємного зворотного зв’язку NFTS

    AI та машинне навчання
    Застосування.
    Застосовується в стрілкових навчально-тренажерних комплексах як автономний стрілецький інструмент, який самостійно приймає рішення виконання пострілу. Наведення та прийняття рішення виконується на алгоритмах комп’ютерного зору з використанням попередньо навчаної нейронної моделі.
    Критерії.
    Основним критерієм прийняття рішення пострілу є оцінка пози стрільця (курсанта). Оцінка пози - це завдання, яке полягає у визначенні місця розташування певних точок на зображенні, так званих ключових точок.
    … Ключові точки можуть представляти собою різні частини тіла людини, такі як суглоби, кінцівки або інші відмінні особливості.
    Результатом моделі оцінки пози є набір точок, які представляють собою ключові точки об’єкта на зображенні, разом з оцінками достовірності для кожної точки.
    Оцінка пози - це вибір, коли вам потрібно визначити конкретні частини об'єкта та їх роРежим роботи.
    При визначенні системою пози стрільця (курсанта), як людини що стріляє, система починає відлік часу, встановлений оператором, від 1 до 15 секунд.
    Після закінчення часу, якщо стрілець (курсант) не змінив місце розташування система визначає центр об'єкту по осі Х, виконує прицілювання і постріл. Якщо стрілець (курсант) змінив місце розташування до визначеного оператором часу, відлік скасовується і система переходить в режим очікування.
    Технічне рішення.
    Для навчання моделі оцінки пози використовувалась базова модель yolov8-pose, відеофайл зі стрільцями та попередньо згенерований файл з контрольними точками. Навчання проводилось на графічному процесорі NVIDIA на Python, бібліотека Ultralytics. Для використання навчаної моделі на мікрокомп’ютері NVIDIA Jetson або на комп'ютері з відеокартою #NVIDIA файл моделі #YOLO був сконвертирован у файл типу tensorrt. Інференс здійснюється за допомогою бібліотек #OpenCV, #CUDA С++.
    зташування один відносно іншого.

  • Проекти RH-1

    C та C++
    Розробка систем керування робототехнічними пристроями за допомогою
    • OpenCV
    Використання міні-ком'ютера #NVIDIA Jetson Nano або RPi.
    Мова програмування C++ , Бібліотека #OpenCV cv v.4
    … Виконавчий пристрій це будь якийсь маніпулятор. Зв'язок WiFi або BlueTooth.

Активність

  Останні ставки 1
CUDA Персональний проєкт
500 UAH