,
я перенес свои сайт и блог
на MAYOROVYURI.EU

• Реализовал бэкенд с использованием Axum (Rust) для высокопроизводительной обработки данных, FastAPI (Python) для ML-сервисов, Gin (Go) и Express (TypeScript) для остальных компонентов. Разработал унифицированные компоненты для инференса ML-моделей в NVIDIA Triton (ONNX Runtime). Интегрировал observability-стек (логирование, метрики, трассировка) и паттерны устойчивости (circuit breaker, retry policies).
• Фронтенд построен на React и включал интерактивные дашборды для визуализации потоков в реальном времени, инструменты исследовательского анализа данных (correlation heatmaps, time series decomposition, feature importance visualization — plotly, highcharts, d3), интерфейс для обучения и дообучения ML-моделей.
• Разработал базовые ML-модели (baseline) с использованием CatBoost, XGBoost и PyTorch. Многие из них остались в продакшене благодаря лучшему соотношению скорости и точности. Внедрил систему адаптивного дообучения с автоматическим drift detection. Добавил physics-based проверки на консистентность входных данных и выявление аномалий.

Применение ML Driven Virtual Flow Metering вместо физических расходомеров стоимостью $500k+ обеспечивает экономию до $3 млн ежегодно на одной крупной платформе за счет снижения расходов на обслуживание оборудования, сокращения простоев и повышения точности планирования.

Flow Simulator

Симулятор многофазных потоков для моделирования гидродинамических процессов на основе дебита, PVT-свойств, геометрии системы и других параметров (аналог Schlumberger PIPESIM и OLGA).

• Реализовал компоненты солвера на Rust и кроссплатформенный GUI на React. Разработал архитектуру приложения и pipeline сборки, позволяющий автоматически формировать единую кодовую базу в web-версию на Express и в desktop-приложение на Electron. Создал алгоритм пакетного выполнения множества расчетных кейсов с рекомбинируемыми параметрами.
• Реализовал систему отображения результатов расчетов на геометрии скважины в виде цветовых карт и графиков вдоль траектории. Разработал сложные UI-компоненты для задания параметров симуляции: drag-and-drop, редакторы PVT-таблиц, интерактивные формы ввода параметров, валидацию данных и импорт из Excel/CSV.

Разработка позволила частично отказаться от дорогостоящих коммерческих лицензий, обеспечив экономию ~$2 млн в год.

Другие проекты

Также участвовал в проектах с использованием TensorFlow, OpenCV, Three.js, D3.js: разработка системы интеллектуального анализа геологических данных GeoMind с автоматической интерпретацией сейсмики на базе transformer-моделей, сервиса оптимизации размещения скважин и системы планирования разработки месторождений.