Разработал игрового бота, использующего нейросетевые алгоритмы для автоматизации игровых процессов с возможностью настройки поведения через веб-интерфейс. Проект включал разработку четырех основных модулей и оптимизацию их взаимодействия: 1. Модуль detector: -Обучение и настройка нейросетевой модели для восприятия игрового окружения. 2. Модуль controller: - Создание динамически адаптируемого поведения бота в условиях игры, в зависимости от данных, обрабатываемых в модуле detector. 3. Модуль streamer: - Создание веб-интерфейса с возможностью просмотра игровой трансляции с аннотациями объектов и паттернов движения, обрабатываемых ботом. 4. Модуль configurator: - Создание модуля для динамической смены и настройки поведения бота через веб-интерфейс. 5. Оптимизация и тестирование: - Создание системы многопоточного взаимодействия модулей. - Оптимизация работы нейросети на GPU. - Тестирование и оптимизация производительности. Используемые технологии: Python, TensorFlow, OpenCV (cv2), MSS, Ultralytics, Queue, Threading, Asyncio, Flask. ссылка: github.com/AdventureAdviser/TestBot.git Разработал программу для создания и разметки обучающих наборов данных для нейронных сетей детекции объектов, аналогом выступают LabelImg и RoboFlow. Проект включал: - Разработка интерфейса пользователя для удобной разметки данных. - Реализация функционала экспорта данных в различные форматы. - Используемые технологии: Python, PySide6t, OpenCV. ссылка: github.com/AdventureAdviser/AutoAnntDemo.git Исследовал и анализировал поведение разработанного игрового бота и поведения человека в игровых сессиях для выявления возможностей мониторинга игровых ботов. Проект включал: 1. Сбор и обработка данных игровых сессий: - Создание приложения для записи игровых сессий. - Предобработка данных с использованием методов: one-hot-encoding, минимаксная нормализация данных. 2) Анализ поведения: - анализ полученных данных с использованием множественной логистической регрессии, корреляции Пирсона, метод понижения размерности t-sne. - Разработка алгоритмов для выявления паттернов поведения. - Сравнение и оценка производительности бота и человека. - Используемые технологии: Python, pandas, matplotlib. ссылка: docs.google.com/document/d/1JKLJ1RTyid65sRQnh38O1kFnEhTY_xiT/edit?usp=sharing&oui d=105515172656997082146&rtpof=true&sd=true