Выполнение проектов по Data Science 1. Computer Vision: 1.1. "Автоматизированное определение тубулита на основании критериев Banff-классификации патологии аллотрансплантата почки". Анализ скан-изображений гистологических препаратов пункционных биоптатов трансплантированных почек. Разработаны модели сегментации на архитектурах U-Net, YOLOv8, SegFormer. На валидационной выборке Recall 0.663, Precision 0.543. Использован комбинированный метод, основанный на каскаде моделей YOLOv8 (инстанс сегментация и детекция) с достижением Recall 0.69 и Precision 0.581. 1.2. Нейросеть "Клетки мозга". Задача: разработка нейросети для детекции нейронов в области гиппокамка головного мозга и подсчет их количества в случайной области размером 300 мкм для решения прикладных вопросов о наличии нейродегенаритвных заболеваний головного мозга. Роль в проекте: подготовка датасета, разработка скрипта на языке Python для подсчета количества клеток после предсказания нейросети. Детекция нейронов на архитектуре YOLOv8. Результат: mAP50 0.742. 2. Проект рекомендательной системы для аптек. Задача: подобрать оптимальные 5 рекомендаций для купленного товара в чеке. Использована векторная модель Word2Vec. 3. Хакатон от компании Медси. Работа с NLP. Задача команды заключалась в автоматизации разбора текстов гарантийных писем с целью определения перечня услуг, оплачиваемых страховой компанией. Сложность была обусловлена большим объемом текстовой информации, особенностями форматов писем различных страховых компаний и индивидуальностью покрытия услуг для каждого клиента. Решение требовало соотнесении извлеченную текстовую информацию о согласованных услугах с перечнем услуг компании Медси. Выполняемые задачи: предобработка текста и аугментация датасета с помощью библиотек pymophy3, pandas ntlk, nlpaug. Результат: Создан телеграмм-бот, классифицирующий письмо с Hamming Score 97%. Победители хакатона в составе команды. 4. Выполнение работ, связанных с анализом больших данных. В рамках учебной практики проведен хакатон от компании ОнкоАтлас. Разработка модели предсказания первичной опухоли по молекулярному профилю. Роль в проекте: подготовка и расширение датасета. Дополнительно: решение задачи на основе библиотеки XGBoost с оптимизацией на Optuna. Результат: победители в составе команды. 5. Основы Data Engineering (понимание ETL-процессов, работа с микросервисами на основе Flask)

Центр дополнительного, дополнительного профессионального и онлайн-образования "Пуск" (Центр "Пуск"), Прикладной анализ данных в медицинской сфере

Цифровая кафедра, Специалист по анализу медицинских данных