Hello everyone! 👋
My name is Ali.
Role at SENATOROVAI: Student — I complete homework, submit reports, and work with instructors.
English level: Basic (A1–A2)
How I found SENATOROVAI: YouTube
Background: No prior experience in Data Science or data analytics yet.
Learning goal: Master the Data Science profession, gain practical skills, and build a career in this field.
Country: Kazakhstan, Almaty
Hobbies: Outdoor activities, nature trips, extreme activities.
Ссылки:
• GitHub: https://github.com/qwheel
• Kaggle: https://www.kaggle.com/alizhantleuov
• ODS.AI: https://ods.ai/users/xc574512892f7

Как проходит домашняя работа в школе SenatorovAI

Клиент-серверное приложение для управления коллекцией Vehicle.

Технологический стек:
• Java 17
• Maven
• UDP, DatagramSocket, DatagramChannel, Selector
• Java Serialization
• CSV-хранение данных
• Log4j 2
• JUnit 5
• Многомодульная архитектура

Что было выполнено:
• разработана архитектура клиент-сервер;
• реализован обмен данными по UDP;
• создан прикладной протокол Request / Response;
• добавлена обработка команд для управления коллекцией;
• реализовано хранение и загрузка данных из CSV;
• добавлена устойчивость к потерям пакетов и большим ответам;
• настроено логирование и обработка ошибок;
• написаны модульные тесты для ключевой логики;
• проект оформлен для публичного портфолио.

С проектом можно ознакомиться здесь:
https://github.com/SENATOROVAI/ITMO_Lab6

Выполняем коммерческие проекты любой сложности и учебные работы (курсовые, дипломы, задачи) — обращайтесь в личные сообщения

#freelance #java #backend #udp #maven

Проект по цифровым системам управления: синтез дискретных алгоритмов управления в MATLAB / Simulink.

Технологический стек:
• MATLAB
• Simulink
• Control System Toolbox
• Дискретные системы управления
• State-space model
• Pole placement
• Sylvester / Lyapunov equations
• Observer-based control
• Моделирование переходных процессов

Что было выполнено:
• исследован объект управления с интегратором и апериодическим звеном;
• выполнена дискретизация непрерывной модели;
• проведён анализ управляемости и наблюдаемости системы;
• реализован синтез стабилизирующего дискретного регулятора;
• рассчитаны коэффициенты обратной связи по состоянию;
• выполнен deadbeat-синтез с размещением полюсов в нуле;
• разработан алгоритм слежения за гармоническим задающим воздействием;
• добавлена компенсация постоянного внешнего возмущения;
• синтезирован полноразмерный дискретный наблюдатель состояния;
• проверена работа системы при управлении по оценке состояния;
• построены модели в Simulink и проанализированы переходные процессы;
• подготовлены расчётные скрипты, модели и отчёты по лабораторным работам.

Проект демонстрирует полный цикл разработки цифровой системы управления: от математической модели объекта и дискретизации до синтеза регулятора, компенсации возмущений и построения наблюдателя состояния.

С проектом можно ознакомиться здесь:
https://github.com/SENATOROVAI/Digital_Control_Systems

Выполняем коммерческие проекты любой сложности и учебные работы (курсовые, дипломы, задачи) — обращайтесь в личные сообщения
#freelance

Система моделирования и анализа задач оптимального управления.

Технологический стек:

Python — численная реализация алгоритмов и вычислительные эксперименты
NumPy — линейная алгебра и матричные вычисления
SciPy — решение ОДУ, краевых задач и уравнений Риккати
Matplotlib — визуализация траекторий, управлений и динамики систем
Simulink / MATLAB — моделирование динамических систем и проверка результатов
DOCX — оформление лабораторных отчётов

Что было выполнено:

реализация шести лабораторных работ по теории оптимального управления;
решение задач квадратичной оптимизации;
применение условий Куна–Таккера;
исследование принципа максимума Понтрягина;
построение LQR-регуляторов на конечном и бесконечном горизонте;
решение алгебраических и дифференциальных уравнений Риккати;
реализация фильтра Калмана и наблюдателя состояния;
моделирование робастного H∞-управления;
визуализация результатов и анализ поведения динамических систем;
оформление проекта для публичного портфолио.

Проект охватывает ключевые темы оптимального управления: от базовой оптимизации и синтеза регуляторов до оценки состояния и робастного управления.

С проектом можно ознакомиться здесь:
https://github.com/SENATOROVAI/Optimal_Control

Выполняем коммерческие проекты любой сложности и учебные работы (курсовые, дипломы, задачи) — обращайтесь в личные сообщения
#freelance

Система сравнения локальных языковых моделей и RAG-приложение для работы с документами.

Технологический стек:

Python — реализация логики приложений, обработки данных и экспериментов
Flask — создание веб-интерфейсов для LM Arena и RAG-системы
OpenAI SDK — подключение к локальным OpenAI-совместимым серверам
LM Studio / Ollama — запуск и тестирование локальных LLM без облачных API
ChromaDB — хранение эмбеддингов и векторный поиск по документам
rank-bm25 — лексический поиск по точным совпадениям и терминам
NumPy — вспомогательные численные операции
pypdf / python-docx — чтение PDF и DOCX-документов
JSON — сохранение состояния, истории экспериментов и экспорт результатов

Что было выполнено:

реализация лабораторной работы по локальным языковым моделям;
создание мини LM Arena для сравнения ответов разных локальных LLM;
реализация Elo-рейтинга моделей с сохранением истории после каждой битвы;
добавление автоматического режима генерации вопросов по разным темам;
использование подхода LLM-as-a-judge для автоматической оценки ответов;
защита судейства от позиционного смещения при сравнении моделей;
ведение полного журнала битв с вопросами, ответами, голосами судей и изменением рейтингов;
экспорт результатов экспериментов в JSON;
сохранение состояния арены между перезапусками приложения;
поддержка разных локальных бэкендов: LM Studio и Ollama;
реализация RAG-приложения для ответов на вопросы по загруженным документам;
индексация документов в ChromaDB;
реализация гибридного поиска: эмбеддинги + BM25 + Reciprocal Rank Fusion;
поддержка форматов TXT, MD, PDF и DOCX;
добавление чанкинга документов с настройкой стратегии разбиения;
вывод ссылок на источники в ответах модели;
добавление настроек поиска прямо в интерфейсе;
оформление проекта для публичного портфолио.

Проект объединяет две важные практические задачи современной LLM-разработки: сравнение качества локальных моделей и построение RAG-системы для работы с пользовательскими документами.

В рамках проекта показано, как можно использовать локальные языковые модели без облачных API: запускать собственную арену моделей, автоматически проводить эксперименты, сохранять результаты, строить рейтинг и параллельно создавать приложение для поиска и генерации ответов по документам.

С проектом можно ознакомиться здесь:
https://github.com/SENATOROVAI/Lab_arena

Выполняем коммерческие проекты любой сложности и учебные работы (курсовые, дипломы, задачи) — обращайтесь в личные сообщения
#freelance

Хотите попасть в закрытую группу «Школа Data Science SenatorovAI» бесплатно?

Внутри группы — материалы по Data Science, машинному обучению, Python, разборы задач, полезные ссылки и окружение людей, которые работают в Data Science много лет.

Сейчас открываю бесплатный доступ для ограниченного числа участников.

Кому интересно — напишите «+» в комментариях 👇

Hello! My name is Yura. I am from Russia.
* My role in the school:
Student — I submit reports, do homework, and communicate with the teacher.
* English level:
My English level is not conversational yet. I use a translator when needed.
* How I found out about SENATOROVAI:
I found out about SENATOROVAI from Telegram.
* Previous experience:
I have experience in software development. I work on development tasks with AI agents, design project architecture myself, and focus on backend logic, automation, integrations, and code structure.
* Learning goal:
My goal is to dive deeper into Data Science and gain strong practical experience as a Data Scientist.
* Country:
Russia.
* Hobbies:
Sport.
https://github.com/YurGusev
https://www.kaggle.com/yuragusev
https://ods.ai/users/j776897155228

Hello. My name is Andrew. I am from Russia
i. Student – I will submit reports, complete homework, and communicate with the instructor.
English Level: A2
How I Heard About You: YouTube
Past Experience:
Python: Completed several small personal projects.
C++: Have coding skills and experience with this language.I completed the 1st course of applied mathematics at the university
Learning Goal: To become a Data Science developer and secure an internship at a Big Tech company.
Country: Russia
Hobbies: Chess, paintball/airsoft, calisthenics (horizontal bar), and running.
Links:
GitHub: https://github.com/Toleranzy
Kaggle: https://www.kaggle.com/toleranz
ODS Profile: https://ods.ai/users/sa1a454fe31ad

Я единственный в мире кто делает курсы по солверам sklearn

Читать статьи:
👉https://senatorovai.com/zachem-uchit-solvers-v-sklearn-kak-modeli-nakhodyat-koeffitsienty/ (Что такое солверы)

👉 https://senatorovai.com/solvery-gladkikh-vypuklykh-funktsiy-kak-klyuch-k-ponimaniyu-data-science/ (Что внутри солверов)

Запустил на Udemy свои первые бесплатные курсы по Data Science, машинному обучению, Python, Pandas, статистике и математике для ML.

Курсы подойдут тем, кто хочет начать с нуля, повторить базу или закрыть конкретные темы: линейная регрессия, логистическая регрессия, функции потерь, градиентный спуск, Pandas, теория вероятностей, EDA и подготовка к собеседованию.

Все курсы бесплатные:

1. Linear Regression Scikit-learn
https://www.udemy.com/course/linear-regression-scikit-learn-data-science/

2. Субградиент на Python
https://www.udemy.com/course/subgradient-method-python/

3. Градиентный спуск на Python
https://www.udemy.com/course/gradient-descent-python/

4. Псевдообратная матрица Мура-Пенроуза
https://www.udemy.com/course/moore-penrose-pseudoinverse/

5. Критерий применения LOSS функций MAE и MSE
https://www.udemy.com/course/mae-mse-loss-selection/

6. Аналитическое решение линейной регрессии
https://www.udemy.com/course/simple-linear-regression-analytical-solution/

7. Сравнение MAE и MSE
https://www.udemy.com/course/mae-vs-mse-loss-functions/

8. Частная производная для MSE Loss
https://www.udemy.com/course/chastnaya-proizvodnaya-mse-loss/

9. Эмпирический риск
https://www.udemy.com/course/empirical-risk-machine-learning/

10. Предпосылки МНК. Теорема Гаусса-Маркова
https://www.udemy.com/course/ols-assumptions-gauss-markov/

11. Метод наименьших квадратов
https://www.udemy.com/course/ols-least-squares-method-python/

12. Парадокс дней рождений, револьвер, ДТП
https://www.udemy.com/course/paradoks-dney-rozhdeniy-uslovnaya-veroyatnost-dtp/

13. Синие и зелёные такси. Монте-Карло и дисбаланс классов
https://www.udemy.com/course/taxi-monte-carlo-class-imbalance-data-science-python/

14. Закон больших чисел
https://www.udemy.com/course/zakon-bolshih-chisel-python/

15. Задача о двух конвертах и случайные блуждания
https://www.udemy.com/course/two-envelopes-random-walks-python/

16. Моделирование данных Python
https://www.udemy.com/course/generatsiya-sluchaynykh-velichin-numpy-python/

17. Центральная предельная теорема
https://www.udemy.com/course/central-limit-theorem-python/

18. Ядерная оценка плотности KDE
https://www.udemy.com/course/kde-python-data-science/

19. Теория вероятностей в Data Science и NumPy
https://www.udemy.com/course/probability-distributions-python/

20. Solvers из Sklearn
https://www.udemy.com/course/solver-sklearn/

21. Pandas, Series, DataFrame, EDA
https://www.udemy.com/course/titanic-pandas-data-science/

22. Titanic EDA
https://www.udemy.com/course/titanic-eda-pandas/

23. Описательная статистика
https://www.udemy.com/course/descriptive-statistics-pandas-data-science/

24. Очистка и обработка данных в Pandas
https://www.udemy.com/course/data-cleaning-and-processing-with-pandas-python/

25. Логический отбор и фильтрация в Pandas
https://www.udemy.com/course/pandas-python-logical-selection-and-filtering/

26. GitHub и Linter. Настройка рабочего окружения
https://www.udemy.com/course/github-linter/

27. ООП на Python с нуля
https://www.udemy.com/course/object-oriented-programming-python-junior/

28. Temperature EDA. Python Pandas
https://www.udemy.com/course/temperature-eda-python-pandas-data-science/

29. Логистическая регрессия
https://www.udemy.com/course/classification-logistic-regression/

30. Подготовка к собеседованию в Data Science
https://www.udemy.com/course/data-science-interview-preparation-junior/

31. Kaggle с нуля. Contributor
https://www.udemy.com/course/kaggle-contributor-data-science/

32. Vibe coding в Cursor для Data Science
https://www.udemy.com/course/vibe-coding-cursor-data-science/

33. Линейная регрессия, валидация, Data Science
https://www.udemy.com/course/machine-learning-python-junior/

Буду рад, если курсы окажутся полезными. Делитесь с теми, кто хочет войти в Data Science и машинное обучение с понятной фундаментальной базы.

#datascience #machinelearning #python #pandas #udemy #обучение #курсы

Hello everyone! My name is Yuriy.

Role: Student
English Level: B+
How did you hear about us? Through a friend.
Previous Experience: Basic experience with programming and technical projects. Interested in machine learning and AI technologies.
Learning Goal: To become a machine learning specialist, develop strong practical skills, and find a job in the ML field.
Country: Uzbekistan
Hobbies: Electronics and robotics.
GitHub: https://github.com/Yuriy1293
Kaggle: https://www.kaggle.com/alavrdn
ODS: https://ods.ai/users/hfbc1fa443946

Hi My name is Sardor

Role: intern

English Level: B2

How did you hear about us? Through a friend.

Previous Experience:
Student at Inha University in Tashkent. Basic experience in Python, machine learning, and computer vision projects. Interested in AI and data science.

Learning Goal:
To become a Machine Learning Engineer, gain practical experience, build strong projects, and start a career in AI/ML.

Country: Uzbekistan

Hobbies:
AI, Machine Learning, Robotics, and Mathematics.

GitHub:
[sardorishiguro-svg GitHub](https://github.com/sardorishiguro-svg?utm_source=chatgpt.com)

Kaggle:
[Sardor Ishiguro Kaggle](https://www.kaggle.com/sardorishiguro?utm_source=chatgpt.com)

ODS:
[ODS Profile](https://ods.ai/users/q60557c2cbde5?utm_source=chatgpt.com)

Студент с нуля выучил математику за пару месяцев до этого уровня.

Приятного просмотра https://t.me/SENATOROVAI/262

Hi i'm Vanya.
Role: intern
English level: ~B1
How did you hear about us? I came across this school through youtube recomendations.
Previous Experience: I'm a student from Moscow. My major is aplied mathematics. Also i learned some basic python with Stepik courses.
Learning goal: By now, my goal is to get my first job as DS (juniour+).
Counry: Russia
Hobbies: computer games
GitHub: https://github.com/Nieams
Kaggle: https://www.kaggle.com/iv4n1v4n0v
ODS: https://ods.ai/users/nb2a9c3f48a80

Система программного управления, эмуляции объекта и анализа качества регулирования.

Технологический стек:

C++ — реализация логики контроллеров, эмулятора объекта и вычислительных модулей
Qt / QML — создание графического интерфейса приложения
QMake — сборка проекта и настройка структуры приложения
MATLAB — анализ результатов, расчёт характеристик и построение вспомогательных скриптов
Simulink — моделирование системы регулирования
PID-регулятор — базовый алгоритм управления объектом
Фильтр Калмана — оценка состояния и подавление шумов измерений
Low-pass filter — сглаживание сигналов
Unit-тесты — проверка отдельных компонентов системы
TXT-логи — сохранение результатов экспериментов и сценариев работы

Что было выполнено:

реализация лабораторной работы по системному программированию;
создание приложения для моделирования и управления динамическим объектом;
реализация эмулятора объекта управления;
разработка PID-регулятора для замкнутого контура управления;
добавление модифицированного контроллера для сравнения качества регулирования;
реализация фильтра Калмана для обработки измерений;
добавление low-pass-фильтра для сглаживания сигналов;
поддержка режимов работы с фильтрацией и без фильтрации;
реализация сценарного запуска экспериментов;
добавление headless-режима через переменные окружения для автоматического прогона сценариев;
логирование результатов работы системы в текстовые файлы;
сравнение поведения обычного и модифицированного регулятора;
подготовка MATLAB-скриптов для идентификации, анализа качества и обработки логов;
создание Simulink-модели PID-системы;
реализация тестов для дискретной модели, PID-регулятора, фильтра Калмана, low-pass-фильтра и протокольной части;
оформление проекта для публичного портфолио.

Проект объединяет несколько важных задач системного программирования и автоматического управления: моделирование объекта, разработку контроллеров, фильтрацию сигналов, логирование экспериментов и последующий анализ качества регулирования.

В рамках проекта показано, как можно построить полноценный цикл разработки управляющей системы: от эмуляции объекта и реализации алгоритмов управления на C++ до визуального интерфейса, автоматических сценариев, тестов и анализа результатов в MATLAB / Simulink.

С проектом можно ознакомиться здесь:
https://github.com/SENATOROVAI/System_Programming

Выполняем коммерческие проекты любой сложности и учебные работы (курсовые, дипломы, задачи) — обращайтесь в личные сообщения
#freelance

Hi there , my name is Gosha Gosha, 👋🏻

I'm glad to start my way here with the current status <i.> (a student).
My English is approximately C1 , since I've been learning & practicing it for a while.
I have no prev. experience in DS though, but, still , have a big passion regarding the field.
That's why Im here.
For the time being I live in Germany.

To my hobbies belong the things as following:
-Computer Science💻
-Languages (Apart from C, Python I learn languages, namely 🇩🇪German(C1), 🇬🇧 English(C1), 🇹🇷Turkish(B1))
-Jogging/fitness 🏃

I am attaching my links bellow:
GitHub —-> https://github.com/1GitHope1
ODS --—> https://ods.ai/users/rfefdde000a0d
Kaggle --—> https://www.kaggle.com/andreboyarskij