Skip to content
View Paoak's full-sized avatar

Block or report Paoak

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Content in all repositories owned by your account will be closed.
Maximum 250 characters. Please don’t include any personal information such as legal names or email addresses. This note will only be visible to you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
Paoak/README.md

Hi there, my name is Alexey

связаться со мной - TG: @HorsovAlexey


Обо мне

Инженер по образованию (природообустройство и водопользование), перешёл в разработку и работу с данными. Более года официального опыта. Так же прошёл профессиональную переподготовку по нейросетям. Мне нравится разбираться, как устроены данные и сервисы: строить загрузки, искать причины расхождений, писать понятный код и проверять его тестами.


Стек

  • Языки: Python, SQL, Java
  • Данные: PostgreSQL, Greenplum, ClickHouse, Hadoop (HDFS, Hive), Apache Spark (PySpark), Kafka, Apache Airflow
  • Backend и API: FastAPI, aiogram, Spring Boot, Servlet API
  • ML: scikit-learn, PyTorch, TensorFlow (Keras), Hugging Face Transformers
  • Инструменты: Git, GitLab, Docker, Linux, Jira, PyCharm, VS Code

Доп. образование (стажировки и прочее)

  • Aston: «Data Engineer» 2026 г.

    • Роль: Data Engineer (стажёр)
    • Чем занимался: Углублённое изучение реляционных СУБД и SQL: проектирование схем, оптимизация запросов, работа с индексами и транзакциями; построение и отладка ETL-пайплайнов; обработка больших объёмов данных в распределённых средах Hadoop (HDFS, MapReduce, Hive) и Apache Spark (PySpark, Spark SQL); автоматизация задач на Python.
    • Стек: SQL, PostgreSQL, Greenplum, ClickHouse, Python, Apache Hadoop (HDFS, Hive, MapReduce), Apache Spark (PySpark, Spark SQL), Apache Airflow, Docker, Git.
  • Программа ДПО проф. переподготовки: «Разработчик нейросетей» 2025 г.

    • Роль: Разработчик нейросетей
    • Чем занимался: Комплексное изучение и реализация end-to-end ML/DL решений: сбор и очистка данных, feature-engineering; разработка и сравнение классических моделей и нейросетей; практические кейсы по компьютерному зрению, NLP, обработке аудио, рекомендательным системам и прогнозированию временных рядов; аугментация, перенос обучения, валидация, мониторинг и развёртывание моделей. В ходе курса дорабатывал учебные приложения с помощью ИИ-ассистентов (см. проекты AI Chat ниже).
    • Стек: Python, NumPy, Pandas, scikit-learn, OpenCV, PyTorch / TensorFlow (Keras), Hugging Face (Transformers), Librosa (аудио), statsmodels / Prophet (временные ряды), FastAPI, Jupyter, Git.
    • Роль: Java Backend-разработчик
    • Чем занимался: Разбирался в чужом коде, дорабатывал функционал REST API, применяя популярные паттерны, писал юнит-тесты и тестировал API при помощи Postman.
    • Стек: Java 11

PET-проекты

  • Export_MapInfo — плагин для QGIS

    Плагин для программы QGIS. Изначально проект выполнялся для инженеров камерального отдела, с целью миграции из программы MapInfo в QGIS. Добавляет опцию экспорта («Экспорт в MapInfo») в контекстное меню векторных слоёв QGIS для сохранения в формате MIF/TAB с автоматической подстановкой пределов BOUNDS (только для субъектов РФ). Основное отличие от встроенного экспорта — автоматический расчёт и подстановка пределов BOUNDS.

    Что внутри: определение региона по пересечению слоя с границами субъектов РФ (пространственный индекс), экспорт в фоновой задаче QGIS, пресеты пользовательских пределов в CSV, интерфейс в Qt Designer.

    Ссылка на проект

    Стек: Python, PyQt5, QGIS API (qgis.core), GDAL/OGR, Pandas, CSV.


  • Screen Helper — локальный AI-ассистент для анализа скриншотов

    Настольное приложение для Windows, интегрирующее локальные vision-модели через Ollama API. По глобальной горячей клавише захватывает весь экран или выделенную пользователем область, подготавливает изображение и отправляет его модели для анализа. Ответ отображается в компактном окне поверх остальных приложений без перехвата фокуса.

    Что внутри: захват и обработка скриншотов в памяти (изменение размера, JPEG-кодирование, Base64), отправка HTTP-запросов к Ollama API (/api/chat) с потоковым чтением ответа, обработка рассуждений модели (thinking), отмена предыдущего запроса при создании нового снимка. Настройки модели, контекста, промпта и горячих клавиш вынесены в JSON-конфигурацию с валидацией параметров. Логика обработки запросов и состояния приложения отделена от GUI. Покрытие основной логики — 94 юнит-теста; автоматический запуск тестов через GitHub Actions на Python 3.10–3.13.

    Ссылка на проект

    Стек: Python, Tkinter, Pillow, keyboard, Ollama API, JSON, pytest, GitHub Actions.


  • Исследование: cравнение трансформеров и классических методов в NLP

    Исследование и сравнение двух подходов к анализу текстов на примере отзывов IMDb: классических методов машинного обучения и моделей на основе трансформеров. В работе последовательно реализованы подготовка данных, обучение, оценка и сравнение моделей.

    Результат: DistilBERT (accuracy 0.897) обошёл лучшую классическую модель — логистическую регрессию (0.882), при этом BERT-tiny (0.806) оказался слабее классических методов. Трансформеры точнее, но заметно дороже по времени и ресурсам.

    Ссылка на проект

    Стек: Python, Pandas, NumPy, scikit-learn, transformers, peft, torch, seaborn, matplotlib.


  • Telegram-бот «Викторина»

    Бот с викториной: вопросы с вариантами ответов на inline-кнопках, команды /start, /quiz, /stats, статистика пользователя. Состояние игры и последний результат хранятся в SQLite, при перезапуске бот уведомляет пользователей.

    Ссылка на проект · @test_quiz_game_bot

    Стек: Python, aiogram 3, asyncio, aiosqlite (SQLite).


  • Распознавание рукописных цифр — REST API

    Обучение простой нейросети (Keras) на датасете MNIST и её публикация как REST API на FastAPI прямо из Google Colab. Эндпоинты: /health, /predict (загрузка PNG), /history (просмотр и очистка истории предсказаний), автоматическая Swagger-документация; публичная ссылка через SSH-туннель Serveo.

    Ссылка на проект

    Стек: Python, TensorFlow/Keras, FastAPI, Pydantic, Uvicorn, Pillow, Google Colab.


  • AI Chat (Python, Flet) — доработка учебного приложения

    Настольный чат для общения с языковыми моделями через OpenRouter API (учебный проект курса, исходная версия — neuro-fill/51-lesson). Моя доработка: система авторизации — ввод API-ключа с проверкой баланса, генерация 4-значного PIN, вход по PIN или сброс ключа; данные хранятся в SQLite.

    Ссылка на проект

    Стек: Python, Flet, SQLite, requests, PyInstaller.


  • AIChatFlutter

    Мультиплатформенное приложение для чата с языковыми моделями на Flutter (оригинал — neuro-fill/AIChatFlutter). Работает с OpenRouter и VseGPT. Доработано с использованием ИИ-ассистентов в рамках курса по разработке нейросетей. Что добавлено: многостраничный интерфейс, экран настроек провайдера и ключей, валидация ключа и блокировка чата до его ввода, статистика по токенам и моделям, график расходов по дням, управление состоянием через Provider, локальная история в SQLite.

    Ссылка на проект

    Стек: Dart, Flutter, Provider, sqflite, OpenRouter API.


  • Spring Boot REST API (учебный проект)

    REST API на Spring Boot 17 с in-memory хранилищем: пользователи и их книги. Слоистая архитектура (controller → facade → service → storage), DTO и MapStruct, валидация, глобальный обработчик исключений, Swagger-документация.

    Ссылка на проект

    Стек: Java 17, Spring Boot, MapStruct, Lombok, springdoc-openapi, Maven.


  • JavaServlet

    Сервлеты на Java: жизненный цикл (init, service, doGet, doPost), обработка GET/POST-запросов, загрузка файлов (multipart) и передача данных на JSP.

    Ссылка на проект

    Стек: Java, Servlet API, JSP, Maven, Jetty, Apache Tomcat.

Pinned Loading

  1. Export_MapInfo Export_MapInfo Public

    Плагин для быстрого экспорта векторных слоёв из QGIS в формат MapInfo

    Python

  2. RestAPI_MNIST RestAPI_MNIST Public

    Проект, демонстрирующий, как обучить модель для распознавания рукописных цифр и развернуть её как REST API с помощью FastAPI прямо в Google Colab.

    Python

  3. TelegramQuizBot TelegramQuizBot Public

    Реализация телеграм-бота (@BotFather)

    Python

  4. TimeChanger TimeChanger Public

    Скрипт, обёрнутый в интерфейс PyQt, позволяющий изменять данные для парных файлов json-jpg.

    Python

  5. AIChatFlutter AIChatFlutter Public

    Dart

  6. nlp-comparison-transformers-classical-methods nlp-comparison-transformers-classical-methods Public

    Jupyter Notebook