Резюме: CV / ML / AI Research Engineer

Обо мне:
CV/ML Engineer с экспертизой в Adversarial ML и безопасности ИИ. Специализируюсь на детекции синтетического контента, видеоаналитике и защите биометрических систем. Имею практический опыт исследования генерации дипфейков, анализа открытых репозиториев и тестирования моделей на уязвимости к состязательным атакам. Разрабатываю и настраиваю генераторы подмены лиц (Face Swap / Diffusion Models) для решения исследовательских и коммерческих задач.

Строю end-to-end пайплайны — от сбора данных и предобработки до обучения моделей и production-оценки. Нацелена на full-time удалённую работу в ML-команде над сложными R&D задачами.

Ключевой стек: Python, PyTorch, PyTorch Lightning, OpenCV, MediaPipe, Docker, Linux, Git.
---

Навыки и стек:
• Языки и фреймворки: Python, PyTorch, PyTorch Lightning, OpenCV, Computer Vision, Machine Learning, Deep Learning, Image Processing
• Инструменты и инфраструктура: Linux, Git, Docker, MLOps, Transformers, ONNX Runtime, MediaPipe, Pillow
• Специфика ИИ: Adversarial ML, Red Teaming, Biometric Security, Research & Development (R&D), Security Assessment, Model Benchmarking
---

Опыт работы:

1. Международная IT-компания (Identity Verification / AI Safety) (США) | Сентябрь 2025 – по настоящее время
Должность: CV / ML Engineer (R&D)
Обязанности и достижения:
Разработка и исследование коммерческой системы детекции генеративных артефактов и дипфейков (Deepfake Detection):
• Сформировала масштабный обучающий сэмпл объемом более 40 000+ видео, успешно объединив несколько индустриальных бенчмарков и датасеты компании.
• Реализовала генераторы с подменой личности на видео и сгенерировала датасеты на них.
• Разработала автоматизированный конвейер предобработки видео: детекция лиц, пятиточечное выравнивание, фильтрация артефактов стриминга и кадрирование.
• Спроектировала и протестировала два подхода к анализу данных: покадровый (spatial) и темпоральный (temporal последовательности кадров).
• Провела серию экспериментов по обучению и оптимизации SOTA-архитектур (легковесные сверточные сети и Vision Transformers).
Результаты: Обученные модели достигли целевой точности Accuracy > 96% и ROC-AUC > 0.99 на тестовом сплите. Успешно валидировала легковесную архитектуру (около 9М параметров), доказав её применимость для Edge-устройств с сохранением качества на уровне тяжелых моделей-трансформеров.
Стек: Python, PyTorch, PyTorch Lightning, OpenCV, MediaPipe, ONNX Runtime, Linux, Git, InSwapper, SDXL

2. НИР ЧелГУ | Red Teaming & AI Safety | Май 2025 – Апрель 2026
Проект: Adversarial-атаки на системы распознавания лиц
Обязанности и достижения:
• Реализовала атаку Ni-FGSM на видеопоток: SOTA-модели (FaceNet, ResNet) ошибаются в 98% случаев.
• Оптимизировала атаку до 33.6 FPS — применимо для обхода систем видеонаблюдения в реальном времени.
• Исследовала переносимость атак между архитектурами (ArcFace, LVFace, ResNet) и обучила физический адаптивный патч, устойчивый к изменению позы.
• Результаты применяются для Red Teaming-тестирования коммерческих FR-систем и разработки методов защиты.
Стек: Python, PyTorch, PyTorch Lightning, OpenCV, MediaPipe, ONNX Runtime, Linux, Git.

3. Smart City / Видеоаналитика | Август 2024 – Сентябрь 2025 (11 месяцев)
Должность: CV / ML Engineer
Обязанности и достижения:
• Написала Python-скрипты с использованием OpenCV для очистки видеоданных: автоматического удаления битых файлов, а также черных и размытых кадров.
• Внедрила подход полуавтоматической разметки: обучила модель-детектор, выполнила разметку массива данных батчами, сформировала датасет на 20 000+ изображений.
Стек: Python, OpenCV, YOLOv8 (Ultralytics), Pillow, Git, Linux.
---
Образование:
• Высшее: Магистратура по Программной инженерии (GPA 4.85), ЧелГУ (ИИТ, 2026 г.)
---

• Русский — Родной
• Английский — B1 (Средний)