Fisheye-кадр с контрольными точками руки для computer vision демонстрации

Антон / инженер-программист

Python / Computer Vision / Data Engineer

Прикладная инженерия на Python: computer vision, видеопотоки, локальные ML-инструменты, данные и автоматизация.

Собираю прикладные системы для видео, данных, локального ИИ, операторских интерфейсов и backend-контуров: от прототипа до проверяемого рабочего сценария.

Написать

Computer Vision

Видеопотоки, OpenCV, детекция, локальная обработка, операторские сценарии.

Python backend

Flask/FastAPI/PHP backend-контуры, API, события, интеграции и хранение данных.

Data & metrics

Дашборды, интервальные метрики, выгрузки, статистика, обработка потоков событий.

Geo & offline

Геопозиции, карты, история точек, offline-очереди и синхронизация после потери связи.

Local-first systems

Решения, которые работают в реальной среде: локально, с ограниченным железом и нестабильной сетью.

Production thinking

Ограничения, риски, логи, мониторинг, тестируемость, понятная архитектура и документация.

workingInteractive city screensCV

Parks Geo

workingEvent platformWebPython

Правотех Forum

workingRandomizerWeb

Росатом

workingComputer visionWindowsPythonAPIVideo

Zero Defect

workingEvent appiOSWeb

Merz Quiz

workingComputer visionPythonTelegramVideoCV

Plate CV

workingLocal AIWindowsDesktopPythonCV

Gemma 4

workingRealtime AIWindowsDesktopWebPython

Realtime Assistant

Interview Realtime Assistant распознает речь с микрофона, браузера или окна встречи, раскладывает текст по AI-нодам и показывает готовые ответы в отдельных панелях. Схема на нодах ускоряет кастомизацию: можно менять промпты, роли, маршруты, JSON-ответы и количество контекста без переписывания кода.

Технический фокус: Portable Windows-приложение для демонстрации realtime speech-to-text, TTS и настраиваемой AI-обработки через нодовую схему.

Собрано как portable Electron-приложение с локальным Express-сервером, SQLite-базой в корне запуска, темной адаптивной UI-системой, нодовыми пресетами, TTS по выбранным окнам и интеграционными адресами для каждой ноды.

Приложение работает локально и онлайн: OpenAI Realtime/TTS отвечает за речь, а текстовые ноды можно направлять в OpenAI, YandexGPT или локальные модели Ollama. Ответы, транскрибации, ошибки и настройки сохраняются локально, а каждая нода отдает JSON, SSE и WebRTC DataChannel ссылки для внешних систем.

режимы захвата: микрофон, окно, экран, браузер или Google Meet через desktop capture
нодовые пресеты сохраняются, переименовываются и могут назначаться по умолчанию
каждая нода может быть обычной AI-нодой, TTS-нодой или входной транскрибацией с умным realtime-режимом
для локальных моделей есть список Ollama-моделей, запуск загрузки отсутствующей модели и визуальный прогресс
для интеграций доступны JSON endpoint, SSE stream и WebRTC DataChannel по каждой ноде
SQLite хранит транскрибации, ответы, ошибки и события TTS рядом с portable exe

GitHub, portable Electron и SQLiteGitHub проекта

workingScientific toolingWindowsDesktopPythonVideo

LineGuide

workingVideo monitoringWindowsDesktopPythonAPI

LifeControl

workingGeo / AndroidAndroidWebAPI

Family GeoMaps

workingEvent analyticsWebData

Счётчики событий

workingPre-AI projectsPythonAPITelegramData

TG Parser

prototypeMobile productAndroidAPIData

HeadacheInsight

workingPre-AI projectsWebVideo

Live Voting

workingEvent operationsAndroidAPIData

Сканификатор Pro

workingGeo event dataTelegramData

PETRAX Bot

workingPre-AI projectsWeb

SO Contest

workingPre-AI projectsWebAPI

Webhook

workingPre-AI projectsWebAPI

Iframe

Подтверждение

Благодарность за выполненную работу

Инженерный подход

Как я подхожу к инженерной задаче

Сначала данные и ограничения, затем минимальный рабочий контур, проверка на реальном сценарии и понятная точка дальнейшей разработки.

Данные и ограничения

Сначала разбираю источник данных, качество, частоту, формат, окружение, железо и сценарий пользователя.

Быстрый рабочий контур

Собираю минимальную систему, которую можно проверить на реальном видео, данных или процессе.

Надёжность и отказоустойчивость

Учитываю плохую связь, локальную работу, очереди, повторную синхронизацию и обработку ошибок.

Измеримый результат

Фиксирую метрики, события, журналы, графики и понятные критерии успешности.

Поддерживаемость

Разделяю прототип, production-риски, архитектуру, интерфейс и слой данных.

Командная работа

Готовлю понятные README, схемы и ограничения; могу обсуждать решение с backend-разработчиками, ML-инженерами, QA, аналитиками и менеджером продукта.

Обо мне

Петров Антон Алексеевич

Меня зовут Петров Антон Алексеевич. Я инженер-программист с опытом в web-разработке, прикладной автоматизации, computer vision, локальных инструментах, Android/backend и проектах под реальные операционные процессы.

Раньше работал в DATAFORUM: от инженерных задач до руководства web-разработкой. Сейчас собираю прикладные решения вокруг Python, видео, данных, локального ИИ, операторских интерфейсов и автоматизации.

Мне близки задачи, где нужно быстро разобраться в данных и ограничениях, собрать рабочий контур, проверить его на реальном сценарии и сделать решение понятным для дальнейшей разработки.

Контакты

Связь по инженерным и продуктовым задачам.

Для отклика, технического обсуждения или короткого контекста по проекту: Telegram, email или GitHub.

Telegram@okronoomКороткая связь по роли, проекту или техническому вопросу.GitHub@antonstrobeПубличный профиль, код и инженерные эксперименты.Emailanton.strobe@gmail.comФормальная связь, описание роли или проекта.