Аутстаффинг Redis разработчиков

Системный аналитик с опытом 6+ лет. Было реализовано более 5 успешных проектов. Soft skills: Ответственность, исполнительность, стрессоустойчивость, критическое мышление, командная работа, проактивность

Разработчик с 4+ годами опыта Было реализовано: 1 длительный успешный проект Soft skills: коммуникабельный, проактивный, командный

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)

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.

Способность быстро анализировать и решать технические проблемы; Сильные коммуникативные навыки и способность работать в команде; Стрессоустойчивость; Способность быстро обучаться и решать нестандартные задачи; Проактивность и ориентация на результат.

Внимание к деталям; Легкая коммуникация в команде.

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.

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.

Снизила количество критичных дефектов в продакшене с 5 до 1 в месяц (−80%) за счёт расширения регрессионного покрытия и актуализации тест-кейсов. Повысила покрытие API-тестами с 60% до 85%, автоматизировала ключевые сценарии (Postman, Python/Pytest) → сократила ручную регрессию на 42%. Внедрила shift-left testing (QA-ревью требований до разработки) → снизила доработки требований на 30% и повысила стабильность релизов. Систематизировала тестовую базу и документацию → ускорила onboarding QA на 50%. Участвовала в post-mortem инцидентах, анализировала логи в Kibana/Sentry, помогала локализовать дефекты в микросервисной архитектуре. Использую LLM/AI-инструменты для ускорения подготовки тестовой документации и анализа требований (−30% времени).

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. Реализовал SSE-streaming для real-time ответов от AI вместо polling, сократив задержку отклика. Настроил Prometheus + structlog для логирования и мониторинга, обеспечив стабильную работу в продакшене. Создал community-бота с антиспам-детектором на базе ML и OpenAI API, а также интегрировал RAG-систему для автоответов. Разработал distributed архитектуру с поддержкой горизонтального масштабирования (multi-replica deployment). Настроил CI/CD, провёл code review и менторил двух младших разработчиков. Получил дополнительный опыт в написании и поддержке кода на Node.js и Go.

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 видео-аватара-ассистента на Unity с использованием Яндекс GPT (TTS/STT). Внедрил систему аналитики и отчётности на Django REST Framework, интеграции с внешними сервисами (REST/SOAP), автоматизированные уведомления, панель мониторинга и участвовал в CI/CD и оптимизации БД/SQL-запросов.

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 Celery. Настраивал асинхронные пайплайны, обмен сообщениями, event-driven процессы. Оптимизировал производительность сервисов и БД. Использовал PostgreSQL, Redis, ClickHouse, проводил оптимизацию запросов и улучшение стабильности системы. Настроил CI/CD и контейнерную инфраструктуру. Реализовал GitLab CI/CD, работал с Docker и Kubernetes, обеспечивал стабильные деплои. Создавал комплексный мониторинг и логирование. Внедрил Prometheus, Grafana, ELK; настроил алертинг, метрики, сбор событий и техническую диагностику. Разрабатывал системы аналитики и обработки данных. Использовал ClickHouse, MongoDB и очереди для аналитических пайплайнов. Работал над архитектурой интеграции со сторонними LLM (Сбер). Понимает, как строится взаимодействие между сервисами, контекстными слоями и LLM; составлял структуру работы с LLM и занимался написанием промптов. Создавал API-слои и документацию на уровне production. Оформлял спецификации в Swagger/OpenAPI, поддерживал единый стиль и качество API.

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 несколько AI-агентов в продакшен для автоматизации поддержки и внутренних процессов. Создал голосового ассистента на основе LLM с использованием ASR и TTS, улучшив качество обработки пользовательских запросов. Настроил мониторинг качества моделей через MLflow, обеспечив контроль метрик и отслеживание деградации. Участвовал в проектировании и развитии ETL-процессов на базе Airflow, PostgreSQL и ClickHouse. Разработал backend-сервисы на FastAPI для интеграции LLM-функциональности и агентных сценариев. Подготовил и выпустил MVP с использованием LLM-агентов в сжатые сроки, обеспечив соответствие требованиям бизнеса.

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-пайплайн (LangChain, Qdrant, FAISS). Достиг 91% точности прогнозирования инцидентов благодаря использованию ансамблей моделей (CatBoost, XGBoost) и продуманного feature engineering. Автоматизировал около 90% рутинных операций и сократил время подготовки отчетов с часов до минут, создав набор инструментов и пайплайнов (Bash, Docker, Airflow). Настроил полноценный MLOps-контур (версии моделей, деплой, мониторинг) на базе MLflow и FastAPI, обеспечив стабильный вывод моделей в прод и сопровождение. Сократил время формирования ежедневных отчётов с 3 часов до 20 минут через ETL/ELT-пайплайны (Airflow, Spark, PostgreSQL). Построил систему интерактивных дашбордов, что ускорило принятие управленческих решений примерно на 35%. Повысил конверсию за счёт A/B-тестов и статистического анализа, результаты которых легли в основу доработок продукта.

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 с совокупной аудиторией 90 000+ MAU, обеспечивая стабильность и масштабируемость сервисов. Участвовал в хакатоне TON Foundation, где с командой за 3 дня создал полностью работающий MVP Telegram-мини-приложения. Оптимизировал API под высокую нагрузку, сократив среднее время ответа до <150 мс и улучшив удержание пользователей на ≈ 12%. Повысил конверсию в оплату на 18%, разработав надёжный модуль биллинга с повторной обработкой транзакций. Реализовал распределённую микросервисную архитектуру с Kafka/RabbitMQ для обработки 500 000+ событий в сутки без потерь. Сократил инфраструктурные затраты на ~30%, оптимизировав Docker Compose окружения и ускорив деплой до <5 минут. Внедрил мониторинг и алертинг (Grafana + Prometheus), что снизило количество инцидентов, влияющих на клиентов, на ≈ 35%. Спроектировал и внедрил 10+ микросервисов (авторизация, аналитика, биллинг, уведомления) с возможностью горизонтального масштабирования и релизов без простоев.

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, добился увеличения производительности на 60%, реализовал систему отложенных задач и кэширования, провёл полный цикл деплоя.

Опыт разработки на Python - более 5 лет Участвовал в проектах: 2023-2025: Реализовал торговые стратегии, такие как скальпинг, спредовая торговля, торговля на пробой, на новостях, на открытом интересе, на тех. индикаторах, на сезонностях 2024: Реализовал нейронную сеть для торговли на MOEX с использованием tensoflow, keras, pandas, numpy, sklearn 2022-2023: Внутрибиржевой арбитраж криптовалюты на децентрализованных криптобиржах (Pancake) на Python с помощью asyncio, numpy и web3. Создали полностью рабочий продукт, который работает и зарабатывает 2022: Внутрибиржевой арбитраж криптовалюты на централизованных криптобиржах (Binance, Kucoin, Bitfinex, Poloniex, HitBtc, Bybit, и тд) на Python с использованием threading, multiprocessing, requests, websockets, njit, numpy, pandas 2021: Автоматизированная загрузка видео на YouTube на Python с основой из selenium + google sheets api. Довёл до MVP, продукт проработал больше года и утратил свою актуальность.

-Написание кода, тестов к нему, опыт Code review -Опыт работы над ML и AI проектами (аналитические инструменты, n8n, интеграция с LLM, обучение ML и построение прогнозов) -Опыт разработки интерфейсов -Опыт коммуникации с заказчиком и формирования ТЗ -Хорошая подготовка по фундаментальной информатике -Хорошая математическая база -Управление жизненным циклом проекта -Высокая обучаемость новым инструментам -Опыт организации IT мероприятий (митапов, хакатонов, etc.) -Выстраивание образовательного процесса по IT-компетенциям, опыт передачи навыка молодым специалистам -Оценка трудоемкости проектов и отдельных задач -Принятие технических решений совместно с архитектором и командой -Декомпозиция, распределение задач -Повышение технического навыка разработчиков, консультирование специалистов по технической части