Александр К. , Senior, ML-инженер

Male avatar
Александр К.
Россия, Красноярск
3 450 ₽/час 552 000 ₽/мес.
    ML-инженер
  • Senior
Опыт работы:
Более 6 лет

О специалисте

Навыки
Database:
PostgreSQL
Redis
Kafka
Cassandra
Python
PyTorch
Torchvision
AllenNLP
HuggingFace
TorchRec
LightFM
Qdrant
Jina.AI
Elasticsearch
Pyro
PyOMO
Django
FastAPI
DDD
Windows
Ubuntu
Applications:
Docker
Technology:
JavaScript
Формат работы
Удалённо
Описание о специалисте

Приоритетные направления работы: Ведение веб-проектов (архитектура, лидство, распределение ролей в команде, наставничество) Ведение ML проектов, ML-разработка (CV, NLP), внедрение ML решений в production. организация разметки данных на краудсорсинг платформах с контролем качества. Семантический поиск (текст, картинки). Рекомендательные системы, Аналитические системы, ETL

Достижения:

-Автор более 20 научных статей, индекс Хирша - 7 (https://scholar.google.ru/citations?user=-DRUghEAAAAJ&hl=ru&authuser=1)

-Преподаватель Deep Learning в НИУ ВШЭ (Спб)

Примеры работ

NDA
Описание задачи/проекта

Построение web3 и web2 экосистемы для верифицируемых свидетельств (Verfifiable credentials), в которой каждый человек индетифицируемый с помощью биометрии сможет доказывать различные факты о себе (гражданство, посещение концерта, достижение в компьютерных играх и пр), без раскрытия самих данных с помощью подтверждений с нулевым знанием (Zero-Knowledge proofs).

Позиция на проекте
Back-end разработчик
Ответственность
  1. Внедрение Kafka
  2. Переделка архитектуры на cqrs
  3. Реализация аггрегатора пользовательских данных с версионированиеи и хранением в децентрализованном хранилище
Технологии и инструменты
Kafka, NodeJS
Период работы/продолжительность
Июль 2025 г. - Февраль 2026 г.
NDA
Описание задачи/проекта

Изучение процесса и создание прототипа алгоритма автоматизации, связанного с этапом производства бронированного кабеля на линии наложения бронирующей ленты для дальнейшего описания технического задания на разработку CV решения, а так же разработка прототипа данного решения.

Позиция на проекте
Тимлид
Ответственность
  1. Управление командой исследователей, построение первичных гипотез
  2. Сбор датасета
  3. Оценка IT-окружения, планирование производственных интеграций
  4. Проведение экспериментов с несколькими вариантами автоэнкодера
  5. Генерация синтетического датасета с дефектами
  6. Определение метрик и оценка статистической значимости результатов экспериментов.
  7. Участие в формирование бизнес-метрик.
  8. Разработка архитектуры и дорожной карты имплементации решения
Технологии и инструменты
MLflow, Optuna, PyTorch, Stable Diffusion, scip
Период работы/продолжительность
Ноябрь 2024 г. - Июнь 2025 г.
NDA
Описание задачи/проекта

SaaS для автоматизации ежедневных задач, стоящих перед владельцами клубов на различных игровых платформах.

Позиция на проекте
Тимлид, Архитектор, Бекенд
Ответственность

Для автоматизации рутинных задач предполагается использовать виртуального помощника, который добавляется в клуб и выполняет все перечисленные активности, используя информацию, поступающую с игровой платформы.

Технологии и инструменты
CQRS, FastAPI, Grpc, Kafka, SQLAlchemy ORM, k8s, Domain-Driven Design
Период работы/продолжительность
Май 2023 г. - Июнь 2024 г.
NDA
Описание задачи/проекта

Рекомендательная система для наборов продуктов (bundle recommendation)

Позиция на проекте
Тимлид, ML разработчик
Ответственность

Разработка системы рекомендации наборов продуктов (bundles) для оператора телемедицинского сервиса с помощью графовых нейронных сетей. Имплементация статьи - https://arxiv.org/pdf/2205.11231.pdf

Технологии и инструменты
PyTorch, NetworkX, Pytorch Geometric
Период работы/продолжительность
Декабрь 2022 г. - Март 2023 г.
NDA
Позиция на проекте
Тимлид, ML разработчик
Ответственность

Разработка прототипа прогнозирования выхода на IPO с помощью графовых нейронных сетей. Имплементация статьи - https://arxiv.org/abs/2105.11537

Технологии и инструменты
Pandas, PyTorch, NetworkX, Pytorch Geometric
Период работы/продолжительность
Август 2022 г. - Декабрь 2022 г.

Образование

Среднее
Название учебного заведения/курса
НИУ ВШЭ (Спб)
Специальность
Теоретическая информатика
Аналогичные специалисты
Male avatar
Денис В.
Россия, Москва
3 200 ₽/час
    Python разработчик
  • Senior
Реализовал несколько production-систем на базе ML и Deep Learning (Computer Vision, LLM, ASR), включая рекомендательные системы, OCR и системы транскрибации. Разработал и внедрил LLM-решение для классификации и распознавания документов (Gemma-3-12B), ускорив обработку документов и автоматизировав заполнение пользовательских данных. Создал рекомендательные системы на базе ML для EdTech и промышленных сценариев, включая полный цикл: сбор данных, обучение моделей, API и деплой. Реализовал системы компьютерного зрения: детекция и трекинг объектов на видеопотоке (YOLO), подсчёт людей в ритейле, измерение геометрических параметров изделий на производстве, OCR для номеров автомобилей и документов. Разработал отказоустойчивые REST-API сервисы для ML-систем с использованием FastAPI, Docker и Linux. Выстроил ETL и data-pipeline инфраструктуру (Airflow, PostgreSQL, ClickHouse, MongoDB) для сбора и обработки маркетинговых и пользовательских данных. Имеет опыт оптимизации ML-пайплайнов и видеопроцессинга, включая ускорение inference и обработку видеопотоков. Работал с полным ML-циклом: сбор и разметка данных, обучение моделей, интеграция, деплой, поддержка и масштабирование.
    Python
    PyTorch
    Tensorflow
    FastAPI
    PostgreSQL
    Linux
    Airflow
    GOlang
    Deep Learning
    Computer Vision
    Математическая статистика
    Pandas
    Математический анализ
    ООП
    REST API
    Go
    Machine learning
    Tesseract
    EasyOCR
    OpenCV
    Scikit-learn
    YOLO
    Numpy
    Clickhouse
    C/C++
    MATLAB
    Git
    Docker
    WebSockets
    MongoDB
Male avatar
Егор Ч.
Россия, Москва
3 200 ₽/час
    ML-инженер
  • Senior
Создал и вывел в продакшн полнофункциональную RAG-систему для крупного заказчика в EPAM — от подготовки данных и индексации до интеграции поиска и генерации ответов в рабочие процессы компании. Оптимизировал inference LLM-моделей, снизив стоимость облачных вычислений и ускорив время отклика за счёт настройки vLLM, TensorRT и гибридной инфраструктуры (AWS + on-premise). Разработал мультимодальную модель на основе CLIP/BLIP-2 для извлечения фичей и анализа изображений. Построил ML-пайплайн прогнозирования спроса в промышленных масштабах: сбор данных, фичи, обучение моделей, развертывание. Автоматизировал MLOps-контур: настроил MLflow, CI/CD, контейнеризацию и воспроизводимость обучающих и инференсных пайплайнов. Создал несколько продакшн-ML-решений, включая модели классификации, детекции аномалий и регрессионного анализа. Реализовал инструменты обработки естественного языка (NLP), включая подготовку датасетов, обучение моделей и интеграцию их в сервисы компании.
    Python
    SQL
    Java
    Linux
    Git
    Numpy
    Pandas
    Scikit-learn
    PyTorch
    Tensorflow
    GPT/LLM
    RAG
    NLP
    Deep Learning
    MLflow
    PostgreSQL
    Redis
    Kubeflow
    FastAPI
    REST API
    Docker
    CI/CD
    vLLM
    TensorRT
    Tableau
    AWS
    XGBoost
    Prophet
    Bert
    roberta
    YOLOv3
    LLaMA-2
    GPT-4
    langchain
    langgraph
    Graph neural networks
    Spark
    HDFS
    CLIP
    BLIP-2
    NetworkX
    PyG
    transformers
    sentence-transformers
    Qwen
    DeepSeek
    llama
    Mistral
    SFT
    LoRa
    QLoRA
    prompt-tuning
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

Request Poster