ML-инженер. Автоматизирую процессы, которые делают вручную

Компания занимается розничной торговлей и ежедневно получает около 40 000 фотографий из магазинов по всей стране. Сотрудники вручную анализировали изображения и проверяли заполненность холодильников и полок, а также количество единиц продукции каждого типа на фотографии. Для обработки изображений был выделен отдельный отдел из ~20 человек. Требовалось автоматизировать анализ фотографий и сократить объём ручной работы.

• Собрал и подготовил датасет из более чем 20 000 изображений.
• Выполнил разметку данных для обучения модели компьютерного зрения.
• Обучил модель Object Detection для распознавания продукции на полках и в холодильниках.
• Разработал систему потоковой обработки изображений для автоматического анализа новых фотографий.
• Реализовал расчёт бизнес-метрик на основе результатов распознавания.

Сотрудники ежедневно фотографировали холодильники и полки с продукцией в торговых точках. Из-за отсутствия единого стандарта съёмки и большого количества полевых сотрудников одна и та же полка могла фотографироваться по 5–10 раз с небольшим смещением. При этом фотографии не были полными дубликатами — каждая могла содержать дополнительную информацию, отсутствующую на других снимках. Удаление похожих изображений приводило к потере данных, а строгие требования к процессу съёмки были практически невозможны из-за большого штата и высокой текучки. Требовалось сократить объём фотографий без потери полезной информации.

• Исследовал подходы к объединению частично пересекающихся изображений.
• Настроил и адаптировал алгоритм построения панорам для фотографий торгового оборудования.
• Реализовал автоматическое объединение серий снимков в единое изображение.
• Интегрировал решение в существующий процесс обработки фотографий.

Примерно каждый квартал в компании проводилась ревизия. Распечатывались бланки A4 с таблицами, где указывались торговая точка, вид имущества и инвентарный номер оборудования — около 20 единиц на лист. Сотрудник посещал точку, проверял наличие и состояние оборудования и подписывал бланк. После этого другой отдел вручную проверял каждый документ: нужно было найти инвентарные номера на изображении бланка и сверить их с базой. Все номера были последовательностью кириллицы, латиницы и цифр без разделителей, что усложняло их распознавание и проверку. Требовалось автоматизировать проверку и сократить ручную работу.

• Разработал систему OCR для распознавания инвентарных номеров на отсканированных и сфотографированных бланках.
• Реализовал автоматическую сверку распознанных номеров с данными в базе.
• Учёл особенности номеров, содержащих комбинации кириллицы, латиницы и цифр.
• Автоматизировал первичную проверку документов и выделение проблемных случаев для ручного контроля.

Требовалось автоматически получать судебные документы в формате PDF с государственного сервиса, защищённого антибот-системами. Основными требованиями были высокая скорость обработки, стабильность работы и возможность массовой загрузки документов без участия сотрудников.

• Разработал систему автоматического получения судебных документов.
• Реализовал обход антибот-проверок и автоматическое прохождение защитных механизмов.
• Настроил параллельную обработку задач для одновременной загрузки большого количества документов.
• Реализовал очередь задач и распределение нагрузки между несколькими воркерами.
• Автоматизировал сохранение, обработку и передачу документов в бизнес-процессы компании.
• Оптимизировал архитектуру системы для увеличения скорости загрузки.

Сотрудники регулярно обращались в техническую поддержку для типовых операций: обновление анкет по торговым точкам и изменение статусов корпоративных мобильных устройств. Каждая операция требовала участия техподдержки, что создавало нагрузку на отдел и увеличивало время обработки запросов. Требовалось автоматизировать процесс и дать сотрудникам возможность самостоятельно выполнять нужные действия без обращения в поддержку.

• Разработал Telegram-бота для автоматизации внутренних процессов компании.
• Реализовал авторизацию сотрудников по учётным данным корпоративной системы.
• Автоматизировал обновление анкет торговых точек через Telegram.
• Реализовал многоуровневое согласование: запросы, требующие контроля руководства, автоматически уходили на подтверждение ответственным.
• Разработал отдельную роль для системных администраторов с расширенными правами управления своим подразделением.
• Реализовал безопасную авторизацию администраторов через QR-коды и внутренние механизмы безопасности.
• Настроил работу с корпоративной базой данных и бизнес-логикой существующих систем.