Исследовательский склад ума. Всегда подхожу к проблеме в систематичном порядке. Хорошо знаком со многими CNN архитектурами (LeNet, ResNet, DenseNet, VGG, Inception, AlexNet). Участвовал в различных проектах: 1) Калькулятор риска заражения COVID-19 для Казахстана (covid-19-kz.herokuapp.com) – разработал веб-сайт (Frontend и Backend) который рассчитывает вероятность присутствия как минимум одного человека с COVID-19 среди определенного количества людей. Данный калькулятор совмещает парадокс дней рождения и статистику смертности от COVID-19 для высчитывания вероятности. 2) Гистопатологическая классификация рака с помощью Глубинного Обучения – разработал веб-сайт, где пользователь, загрузив изображение ткани, может узнать вид и подвид рака с точностью до 99%. Frontend реализован на Python Flask, а Backend состоит из 9 CNN моделей, натренированных на клинических данных TMAD, BreaKHis, а также PatchCamelyon. В ходе проекта применялись такие концепты как Ensemble Learning и Transfer Learning для повышения производительности. Также исследовался эффект сжатия моделей с помощью channel pruning и weight quantization. 3) Оптимизация беспроводной сенсорной сети (WSN) – создал алгоритм на Python для равномерного распределения сенсоров между центральными узлами в условиях ограниченного количества энергии, дальности связи, и аппаратной возможности. 4) Построение нейрокомпьютерного интерфейса – создал фреймворк для обработки и классификации электрических сигналов мозга на основе Машинного Обучения (точность = 76%). Применялись различные классифаеры, такие как SVM, а также некоторые CNN архитектуры (VGG-19, Xception). Использовал техники data augmentation и nested cross-validation. 5) Facetendance – запустил систему распознавания лиц в режиме реального времени на Raspberry Pi 3. Обнаружение и обводка лица реализовано с помощью OpenCV (использовал Haar cascades), а результаты распознавания загружались на AWS IoT сервер через MQTT протокол. 6) Анализ BitTorrent экосистемы в Центральной Азии – разработал программу на Python для извлечения статистических данных (HTML parsing) с 5 торрент-трекеров региона (результаты опубликованы на международной научной конференции CoCoNet’18; DOI: 10.1109/CoCoNet.2018.8476894).