Специалисты Разработка

Увеличил производительность CV-систем (FPS) до +50 % за счёт оптимизации inference (YOLOv8, TensorRT, ONNX). Повысил точность моделей компьютерного зрения до 92 % и отдельных CV-моделей на 15–20 %. Снизил latency инференса на 25 %, обеспечил обработку 5000+ за

Реализовал production-пайплайн сегментации повреждений аграрной техники в 4K-разрешении с F1-score 93.3% (ансамбль PIDNet + OneFormer, тайловая инференс-схема). Повысил качество моделей CV за счёт генерации синтетических данных (FLUX + LoRA): прирост F1 с 88%

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 о

Разработал AI-агрегатор-бота на FastAPI и Aiogram, поддерживающего генерацию текста, изображений и видео по пользовательским намерениям. Спроектировал и внедрил систему intent-парсера и диалогового менеджмента, обеспечив интеллектуальное поведение бота. Реализ

Разработал и внедрил чат-ассистента для врачей на базе RAG с векторным поиском, суммаризацией выписок и удобным markdown-форматированием ответов. Настроил автоматическое обновление эмбеддингов и оптимизировал скорость и качество ответов модели. Собрал прототип

Построил с нуля несколько высоконагруженных backend-систем. Разрабатывал серверную архитектуру, API, микросервисы, очереди, интеграции — полностью отвечал за техническую часть проектов. Реализовал сложную логику взаимодействия сервисов через Kafka, RabbitMQ и

Разработал и внедрил модели для диагностики возрастной макулярной дегенерации (OCT-изображения) с использованием SOTA-архитектур на PyTorch, адаптированных под задачу. Создал end-to-end CV-решения для промышленности и медицины (YOLOv8, ResNet, Autoencoder), вк

Разработал фреймворк для создания AI-агентов на базе LangGraph, обеспечив стабильное выполнение цепочек и удобную интеграцию с сервисами компании. Построил RAG-систему, повысив качество извлечения и точность ответов моделей на 35%. Реализовал и внедрил несколь

Проектировал и выводил в продакшен модели кредитного скоринга и прогнозирования дефолта, обеспечивая стабильность и соответствие требованиям риск-процессов. Формировал и поддерживал пайплайны подготовки данных, feature engineering и валидации моделей для стаби

Повысил эффективность работы поддержки примерно на 35% за счёт внедрения комплекса ML/NLP-решений: классификация обращений, кластеризация, извлечение сущностей. Улучшил качество семантического поиска по базе знаний примерно в 1,7 раза, разработав и внедрив RAG

Frontend-разработчик с аналитическим складом ума и большим опытом коммерческой и командной разработки. С большим интересом берусь за проекты, направленные на создание или расширение бизнеса. Особенно увлекают необычные, красивые интерфейсы с анимациями. Быстро

Оптимизировал анализ фотографий через OpenAI (Threads API) — снизил стоимость запросов примерно на 25% при сохранении качества обработки. Разработал MVP продукта, который вырос до 40 000 MAU (активных пользователей в месяц). Поддерживал инфраструктуру проектов

Принял участие в развитии микросервисной архитектуры платформы, оптимизировал SQL-запросы и бизнес-логику, разработал с нуля video backend API, увеличил покрытие автотестами до 80%, оптимизировал работу с базами данных, настроил систему метрик и мониторинга, д

Frontend developer, более 6 лет опыта работы. Навыки в JavaScript, TypeScript, React и других технологиях.