Леонид К., Middle, MLOps

Леонид К.
Беларусь, Минск
2 310 ₽/час 369 600 ₽/мес.
    MLOps
  • Middle
Опыт работы:
От 3 до 6 лет
Языки:

Русский — C2

ПисьменныйРазговорный

Белорусский — C2

ПисьменныйРазговорный

Английский — B2

ПисьменныйРазговорный

О специалисте

Навыки
Python
Bash
C++
Java
Kubernetes
Tensorflow
PyTorch
MLflow
Apache AirFlow
FastAPI
SQL Server
SQLite
Neo4j
Git
Bitbucket
vscode
Prometheus
Grafana
Azure
Jenkins
ELK Stack
Jira
Google Cloud
HTTP
Technology:
SQL
JSON
XML
Applications:
Docker
Database:
MySQL
PostgreSQL
MongoDB
Source_control:
GitHub
GitLab
Instruments:
Swagger
Формат работы
Удалённо
Описание о специалисте

Опытный инженер, специализирующийся на автоматизации и оптимизации процессов разработки и развертывания моделей машинного обучения. Эксперт в области MLOps, интеграции CI/CD для ML-моделей и использовании облачных платформ для создания масштабируемых и надежных систем. Умеет эффективно работать в командах любого размера, быстро адаптируется к новым условиям и стремится к постоянному профессиональному развитию.


Экспертиза:

MLOps 3+ года

CI/CD 3+ года

Примеры работ

VocalForge
Описание задачи/проекта

Стартап из Северной Америки Масштабируемая концептуальная система для преобразования речи в пение.

Позиция на проекте
ML Ops инженер
Ответственность
  1. Разработка архитектуры системы для преобразования речи в пение.
  2. Реализация конвейера обработки данных (разделение вокала, шумоподавление).
  3. Разработка валидации спектрограмм на основе GAN.
  4. Тонкая настройка моделей.
  5. Использование Docker для контейнеризации обработки и обучения.
  6. Мониторинг производительности моделей в продакшене с помощью Prometheus и Grafana.
  7. Анализ и обработка данных.
  8. Оптимизация конвейера обучения с применением SoftDTW.
  9. Реализация генерации спектрограмм с учетом жанра.
  10. Декомпозиция задач и оценка сроков.
  11. Отладка и устранение ошибок.
  12. Ревью кода.
  13. Автоматизация конвейеров предобработки аудиоданных.
  14. Настройка CI/CD для регулярных обновлений моделей и тестирования.
Технологии и инструменты
Audacity, Bash, Docker, Git, GitHub, GitHub Actions, Gradio, Jenkins, MongoDB, MS SQL Server, Prometheus, Python, PyTorch, Tensorflow, Whisper, Jupyter Notebook, Librosa, MelGANs, Demucs, DeepFilterNet, DataSpell, Linux Shell, Grafanа
Период работы/продолжительность
Октябрь 2023 г. - Октябрь 2025 г.
Employee FAQ
Описание задачи/проекта

Стартап из Австралии Система обработки сложных запросов в FAQ, эволюционировавшая от метода грубой силы к продвинутому механизму поиска для повышения релевантности.

Позиция на проекте
ML Ops инженер
Ответственность
  1. Документирование API
  2. Ревью кода
  3. Отладка и устранение ошибок
  4. Интеграция с AI-сервисом
  5. Разработка архитектуры системы
  6. Реализация конвейера предобработки данных
  7. Промт инженерия
  8. Структурирование данных
  9. Декомпозиция задач
  10. Оценка сроков выполнения задач
  11. Оптимизация поиска и интеграция инструментов для бенчмаркинга
  12. Разработка кастомной логики для обработки запросов в реальном времени
  13. Очистка и подготовка данных
  14. Разработка backend-части
Технологии и инструменты
Git, GitHub, Jenkins, Neo4j, PostgreSQL, PyCharm, Python, DataSpell, Bloom, ANNOY, FAISS
Период работы/продолжительность
Апрель 2022 г. - Сентябрь 2023 г.
AI Builder
Описание задачи/проекта

Застройщик из Новой Зеландии Приложение на основе компьютерного зрения для преобразования планов этажей в ценовые PDF-документы.

Позиция на проекте
Backend разработчик
Ответственность
  1. Отладка и устранение ошибок
  2. Разработка пользовательского интерфейса
  3. Анализ и обработка данных
  4. Инженерия промптов
  5. Улучшение качества кода
  6. Реализация конвейера генерации JSON-to-PDF
  7. Интеграция моделей компьютерного зрения и LLM-агентов
  8. Автоматизация тестирования данных и моделей через CI/CD
  9. Разработка unit-тестов
  10. Исправление ошибок в данных
  11. Очистка и подготовка данных
  12. Декомпозиция задач
  13. Оценка сроков выполнения задач
  14. Разработка сервиса генерации PDF-документов
  15. Настройка автоматического развертывания моделей CV с помощью GitHub Actions
  16. Оптимизация рабочих процессов с использованием Docker и Kubernetes
  17. Мониторинг производительности моделей в продакшене с помощью ELK stack
Технологии и инструменты
Docker, ELK Stack, Flask, Git, GitHub, GitHub Actions, Gradio, Jenkins, Kubernetes, PostgreSQL, PyCharm, Python, PyTorch, Fast API, DataSpell, Models from hugging face
Период работы/продолжительность
Декабрь 2021 г. - Март 2022 г.

Образование

Бакалавр
Название учебного заведения/курса
БГУИР
Специальность
Факультет компьютерных систем и сетей
Аналогичные специалисты
Не нашли, кого искали?

Оставьте заявку и, наша команда в кратчайшие сроки подберёт необходимого специалиста за вас!

Помните, что заключение договора и оплата услуг происходит после того, как вы выбрали специалиста