Демьян П. , Middle, ML-инженер

SaaS поддержка

1. Спроектировал и развернул мультиагентные воркфлоу в n8n и LangGraph для инжеста данных, обогащения и обработки запросов.
2. Мигрировал существующие legacy воркфлоу с Make на n8n.
3. Реализовал контейнеризацию системы с Docker.
4. Построил RAG-пайплайн, комбинирующий семантический поиск (pgvector) с текстовым Elastic Search и LLM для генерации ответов.
5. Наставлял разработчиков и проводил code review.
6. Внедрил кэширование с Redis для повторяющихся запросов, снижая использование токенов.
7. Обеспечивал мониторинг продакшена, анализировал логи и оперативно решал инциденты.
8. Оптимизировал релевантность запросов и задержки через настройку векторной базы и ранжирование retrieval.
9. Управлял миграциями схем базы данных через Alembic.
10. Развернул backend-сервисы на AWS EKS (c Helm), обеспечив высокую доступность, масштабируемость и CI/CD.
11. Использовал AI-инструменты (Cursor/Copilot) для повышения эффективности разработки.

HR / Recruitment Tools

1. Спроектировал и реализовал мультиагентный пайплайн в LangGraph для инжеста, парсинга и структурного хранения резюме.
2. Построил семантический поиск и ранжирование кандидатов с использованием PostgreSQL и Qdrant.
3. Оптимизировал workflow ранжирования кандидатов для минимизации задержек и повышения точности в реальном времени.
4. Разработал логику сопоставления резюме с вакансиями, ранжирования и выявления сильных/слабых сторон кандидатов.
5. Реализовал GraphRAG для отображения связей между навыками, опытом и другими характеристиками.
6. Настроил очередь запросов к LLM через Redis для управления нагрузкой.
7. Внедрил супервизора и динамические промпты в LangGraph.
8. Обеспечил безопасный доступ к функционалу через API, развернутый на AWS.
9. Разработал веб-интерфейс чата (HTML/JavaScript) для взаимодействия рекрутеров с системой.
10. Создал пайплайны и workflow для дообучения open-source LLM (Mistral, Qwen, Llama).
11. Участвовал в code review, поддерживал техническую документацию и стандарты разработки.
12. Использовал AI-инструменты (Cursor/Copilot) для ускорения и улучшения разработки.

Manufacturing / Industrial

1. Разработал модели компьютерного зрения на PyTorch для выявления аномалий и дефектов.
2. Реализовал предобработку изображений для повышения надёжности моделей.
3. Построил сквозной backend на FastAPI для приёма изображений, инференс моделей и предоставления API.
4. Настроил сбор метрик и дашбордов с использованием Prometheus и Grafana.
5. Контейнеризировал систему с Docker и развернул на AWS EC2 с GPU-ускорением.
6. Предоставил безопасный доступ к функционалу через API на AWS.
7. Настроил CI/CD пайплайны с GitHub Actions для автоматизированного тестирования и деплоя.
8. Регулярно демонстрировал результаты работы клиенту.

HR / Enterprise Tools

1. Спроектировал и реализовал backend API на FastAPI для поддержки real-time чата.
2. Разработал и развернул пайплайн поиска векторов на базе FAISS для эффективного извлечения релевантных запросов.
3. Интегрировал приватную LLM для безопасной и контекстно-осведомленной генерации ответов.

Финансы / Market Intelligence

1. Построил пайплайны для инжеста и нормализации временных рядов рыночных данных и текстовых источников.
2. Разработал пайплайны feature engineering для финансовых индикаторов, метрик волатильности и сигналов трендов.
3. Реализовал модели риск-скоринга с использованием supervised ML (логистическая регрессия, градиентный бустинг).
4. Спроектировал модели обнаружения аномалий (Isolation Forest, статистические пороги, методы на основе Z-score) для выявления рыночных нерегулярностей.
5. Применил NLP-техники (TF-IDF, тематическое моделирование, извлечение ключевых слов) для обогащения сигналов из новостей и отчетов.
6. Предоставил доступ к аналитике через Python API для downstream-систем и дашбордов.
7. Оптимизировал модели для стабильности, интерпретируемости и минимизации ложноположительных срабатываний.
8. Настроил CI/CD-пайплайны с GitHub Actions и контейнеризовал сервисы с использованием Docker.