«Еженедельные встречи с куратором помогают корректировать направление работы и расставлять приоритеты в задачах», — Василий Панченко, студент мастерской ИМШ НИУ ВШЭ и VK
На демо инженерно-математической школы НИУ ВШЭ и VK Василий представил проект «Детекция и идентификация знаменитостей на видео», посвящённый анализу существующих подходов к решению этой задачи и их практических ограничений.
О выборе мастерской, работе над проектом и о том, как вырос уровень экспертности и появилась уверенность в работе со сложными ML-пайплайнами, читайте в материале.
Знакомство с мастерской
О мастерской я узнал через чат с темами для ВКР. Среди предложений от университета и различных компаний выделились ИМШ и VK — с возможностью трудоустройства и стипендией. Стипендия стала во многом решающим фактором, так как других подобных предложений не было.
На этапе отбора необходимо было написать пайплайн для сбора фотографий российских знаменитостей (1000–5000 изображений) и отправить его вместе с резюме.
Что повлияло на выбор
Меня всегда интересовали компьютерное зрение, VLM и LLM. Мастерская по прикладному ИИ идеально подходила под эти интересы. Из-за нехватки времени я успел подготовить тестовое задание только по одному направлению. Изначально задание показалось простым, но в итоге оказалось сложнее и интереснее, чем я ожидал.
В проекте вдохновляет
Больше всего вдохновляет результат работы. Приходится много кодировать и строить глубокие пайплайны, но когда видишь финальный результат, это мотивирует двигаться дальше. Также интересно работать с разнообразным контентом от знаменитостей, что добавляет визуальной насыщенности в техническую работу.
Роль в проекте
Занимаюсь аналитикой, сбором данных и разработкой модели детекции знаменитостей на видео. Основные задачи включают построение пайплайна обработки, формирование датасета для детекции и поиск оптимальной модели. Результаты работы — работающий пайплайн и база данных для обучения моделей распознавания.
Куратор VK
Еженедельные встречи с куратором помогают корректировать направление работы и расставлять приоритеты в задачах. Научился быстро готовить результаты и компактно их презентовать, предлагать несколько решений и оценивать глубину каждого подхода. Ценен обмен опытом и практическими инсайтами.
Атмосфера в команде
В команде только два участника: мой куратор и я как разработчик-исследователь. В целом в команде комфортная рабочая атмосфера, можно свободно обсуждать идеи и подходы к задачам. Регулярные встречи включают не только отчёты, но и живой обмен мнениями.
Личный рост
До прихода в проект у меня был минимальный опыт в компьютерном зрении. Были только пет-проекты по основному курсу обучения в магистратуре. Большинство технологий, необходимых для проекта, изучал параллельно с работой. Это помогло глубже закрепить темы с лекций и расширить кругозор через поиск альтернативных решений. За время работы над проектом вырос уровень экспертности и появилась уверенность в работе со сложными ML-пайплайнами.
Советы новичкам
Выбирайте тему, которая действительно вам интересна, когда работа приносит удовольствие, и результат получается качественнее. На отборе главное не бояться действовать и пробовать. Если сомневаетесь, можно попробовать несколько направлений, шансы только возрастут.