Специалисты Разработка

Приоритетные направления работы: Фронтенд разработка.

Достижения: лауреат конкурса на соискание премий Мэра Москвы по созданию цифровых сервисов и продуктов для города в составе команды Brains on Remote https://leaders2022.innoagency.ru/task9.html

Основное направление работы: десктоп/веб, Бэкенд.

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)

Приоритетные направления работы: Python-разработка, ML/CV-разработка Достижения: 2-ое место на ML-чемпионате Омской области с задачей распознавания силуэтов людей по фото с БПЛА на фоне лесного массива

Разработчик с 4 + годами опыта.  Было реализовано более 8 успешных проектов. Sofy skills: Командный, проактивный, адаптивный

Разработчик с 4+ годами коммерческого опыта Было реализовано более 8 успешных проектов. Soft skills: ответственный, внимательный, коммуникабельный.

Разработчик с 5+ годами опыта. Было реализовано более 5 успешных проектов. Soft skills: Коммуникабельный, аналитичный, системный, адаптивный, ориентированный на результат.

Разработчик с 8 годами опыта. Было реализовано более 6 успешных проектов. Soft skills: Коммуникабельный, аналитичный, системный, адаптивный, ориентированный на результат.

Разработка мобильных приложений на iOS и Flutter; Проектирование архитектуры приложений (MVC, MVP, MVVM, VIPER, Redux); Интеграция с REST API и GraphQL; Работа с push-уведомлениями; Работа с локальными базами данных; Unit-тестирование; Настройка многопоточности и асинхронности.

Самостоятельная работа над задачами и MVP-проектами; Умение разбираться в незнакомых технологиях и быстро их внедрять; Опыт работы с legacy-кодом; Опыт работы в кросс-функциональной команде; Участие в code review; Ответственный подход к срокам и оценке задач.

Командная работа; Ответственность за результат; Технические обсуждения; Наставничество.

Внимание к деталям; Легкая коммуникация в команде.

Быстрое погружение в существующий код и чужую архитектуру; Аккуратность, внимание к деталям (верстка/UX); Ответственность за качество фич и багфиксов; Инициативность (рефакторинг, улучшение структуры проекта); Командная работа, коммуникация в распределенных командах.

Работа в команде; Взаимодействие между командами; Оценка сроков и приоритизация задач; Проведение code review и наставничество младших разработчиков.

Командная работа; Решение сложных задач.

Коммуникация на английском в международной команде; Наставничество для менее опытных разработчиков; Умение формализовать требования.

Инициативность; Умение декомпозировать сложные задачи; Общение с заказчиками и дизайнерами.

Ответственность за результат; Самостоятельность; Умение работать в команде; Наставничество и помощь младшим разработчикам; Коммуникация с дизайнерами и backend-разработчиками.

Быстрая адаптация к новым стекам и доменам; Самостоятельное проектирование и реализация сложных бизнес-абстракций; Работа в кросс-функциональных командах; Внимание к автоматизации и качеству кода; Умение быстро разбираться в legacy-коде и сторонних системах; Решение проблем под дедлайнами в условиях неполной информации; Ответственность за end-to-end задачу; Готовность к code review и обратной связи; Самообучение и интерес к современным технологиям.

Вовлеченность; Коммуникабельность; Тактичность; Умение слушать критику и высказывать ее в корректной форме; Умение разбираться в проблемах рабочего процесса (предлагать решения для улучшения рабочих деталей проекта, интересоваться мотивами и особенностями существующих рабочих решений).

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.