Дмитрий Сахненко — AI PM

Флагманский проект

Система мониторинга воздушного пространства

Задача: CV-система реального времени для детекции летательных аппаратов на подлёте к Москве — свыше 400 точек наблюдения (камеры и тепловизоры) по периметру города. Моя роль: Technical PM — декомпозировал систему на ML / Backend / Infrastructure, определил зависимости между командами и держал критический путь проекта от требований до сдачи заказчику. Команда: ML-инженеры, backend, DevOps, срок — 4 месяца до запуска. Сложность: детекция малоразмерных объектов на дальней дистанции, интеграция с инфраструктурой заказчика, эксплуатация 24/7 без права на простой. Риск: высокая доля false positive на малоразмерных объектах — пересмотрели threshold и pipeline детекции до интеграции, чтобы не сорвать срок запуска. Решение: пайплайн на YOLO + TensorRT + Triton, очереди через RabbitMQ, инфраструктура в Kubernetes на Yandex Cloud, мониторинг Grafana/Loki. Результат: 1-е место в конкурсном отборе, контракт 50 млн руб. на 3 года, сдано в срок без штрафных санкций.

ДИТ Москвы 1-е место в конкурсе 50 млн руб. · 3 года 400+ точек наблюдения 4 месяца до запуска Продакшн 24/7

OpenCVTensorRTTriton Inference ServerYOLOPythonRabbitMQDockerKubernetesYandex CloudGrafanaLoki

Как декомпозировал систему

ML

ДетекцияInferenceFalse positive

Backend

Обработка событияAPIОчереди

Infrastructure

ДеплойМониторингМасштабирование

Зона ответственности

Формирование требованийАрхитектурные решенияУправление ML / Backend / DevOpsБюджет и срокиКоммуникация с заказчикомПриёмка и запускЭксплуатация 24/7

Детекция ЛА с bounding box и треком траектории

Обнаружение малоразмерного объекта на дальней дистанции

Детекция ЛА с bounding box и треком траектории

1-е место в конкурсеПобеда над другими участниками в конкурсном отборе

50 млн руб. · 3 годаКонтракт с ДИТ Москвы

400+ точек наблюденияВидеокамеры и тепловизоры по периметру города

Сдан без штрафных санкцийВ срок, полный цикл от архитектуры до продакшна

CV · Общепит

Автоматизация управления персоналом

Задача: автоматизация вывода сотрудников на рабочие места в точках общепита — детекция присутствия персонала, отслеживание времени обслуживания, аналитика для управляющих. Моя роль: Technical PM — декомпозировал задачу на CV, Backend и Frontend, сформировал требования с заказчиком и вёл разработку от пилота до масштабирования на сеть. Команда: CV-инженер, backend, frontend. Сложность: стабильная детекция в условиях реального торгового зала (освещение, ракурсы камер) и масштабирование пилота на сеть без переделки архитектуры. Риск: при переносе с пилота на сеть точность детекции могла упасть из-за разных условий освещения на объектах — заложили калибровку модели под каждую точку ещё на этапе пилота. Решение: пайплайн детекции на OpenCV/YOLO, backend на Python + PostgreSQL, дашборд аналитики на React. Результат: с пилота — на всю сеть ресторанов в Москве, снижены операционные затраты, система используется заказчиком в проде.

Братья Караваевы CV · Детекция персонала Аналитика в реальном времени Используется заказчиком Масштабирование на сеть (Москва)

OpenCVYOLOPythonPostgreSQLReactDocker

Зона ответственности

Требования с заказчикомУправление CV / Backend / FrontendПриёмка и запускМасштабирование на сетьКонтроль результата

Детекция персонала на рабочих местах — торговый зал

Мониторинг присутствия сотрудников за стойкой

Аналитика среднего времени обслуживания по часам

Детекция персонала на рабочих местах — торговый зал

Контроль рабочих позицийАвтоматическая детекция присутствия персонала

Аналитика по часамВремя обслуживания в разрезе смен

Снижение операционных затратОптимизация расстановки персонала

С пилота — на всю сетьМасштабировано на сеть ресторанов в Москве

АСУ ТП · Горнодобыча

Control Manager — система управления шахтой

Задача: ERP-подобная система комплексного мониторинга обогатительных фабрик и угольных месторождений — карта объекта с позиционированием персонала и техники, мониторинг видеопотоков, алерты, журнал инцидентов. Моя роль: Technical PM на 3 проектах — декомпозировал ТЗ на Backend / Frontend / QA, держал критический путь по срокам и бюджету, вёл приёмку (ПМИ/ПСИ). Команда: 7 человек — backend, frontend, QA. Сложность: критичные по безопасности алерты (концентрация вредных веществ, отключение датчиков), интеграция с 70+ камерами и промышленным оборудованием. Риск: ложные срабатывания алертов могли привести к игнорированию реальных инцидентов — вынесли логику фильтрации на отдельное техническое обсуждение и пересмотрели пороги перед сдачей. Решение: backend на Python + PostgreSQL, обмен в реальном времени через WebSocket и REST API, frontend на React. Результат: 3 проекта на 40 млн руб., все сданы в срок и без перерасхода бюджета.

RIT Automation 3 проекта · 40 млн руб. Горнодобывающие производства Все проекты сданы в срок

PythonReactPostgreSQLREST APIWebSocketDockerNginx

Зона ответственности

Формирование ТЗПланирование сроков и бюджетаУправление командой (7 чел.)Архитектурные решенияПриёмка (ПМИ / ПСИ)Контроль эксплуатации