Специалисты

Владеет современным C++ (11–20) с активным применением STL, Boost, WinAPI, Qt, а также инструментами сборки и управления зависимостями CMake и Conan. Имеет опыт Embedded C (WDK, FreeRTOS, KeilRTX) и глубокие знания в работе с низкоуровневыми компонентами и драйверами. Дополнительно освоены C#, .NET / ASP.NET Core, Golang, Python (Django, Celery), JavaScript/TypeScript (React, Redux, Next.js) и PHP, что обеспечивает гибкость при интеграции разных частей стека. Работал с реляционными и NoSQL базами данных (MS SQL, MySQL, PostgreSQL, SQLite, Redis) и протоколами обмена данными (REST API, GraphQL, OData, XML/JSON). Имеет опыт руководства командами, внедрения CI/CD, использования Docker, Nginx, Git/SVN и практик тестирования и профилирования. Коммуникативен, умеет структурировать и автоматизировать процессы, быстро осваивает новые технологии, находит неочевидные решения и эффективно работает как в команде, так и самостоятельно.

Участие в проектировании архитектуры продукта Код-ревью, рефакторинг, оптимизация и профилирование Опыт использования GIT и Docker Понимание и настройка процессов CI/CD Опыт работы с API Аналитические и организационные навыки Сборка open source проектов под Linux, Windows

Работа в качестве архитектора на проекте развития CRM системы, более 20 интеграций, 15 микросервисов, 3 команды разработки. Проведение технического дизайна постановок на разработку, проектирование 2х крупных интеграций (Kafka), поддержка переходов на новые версии API по запросу смежных систем, построение логической модели данных, ведение архитектурной документации системы. Сертификаты: Сертификат участника конференции BigData&AI 2022 ООО "Открытые системы" Сертификат призера (3 место) хакатона Data Hack 2022 Иннотех Сертификат участника конференции Управление данными 2022 Открытые системы 12.2022 Сертификат участника конференции Цифровая инфраструктура 2022 Открытые системы Сертификат участника конференции Качество данных 2023 Открытые системы Сертификат о прохождении курса Летняя академия Global CIO Global CIO Сертификат участника конференции Podlodka Techlead Crew #7 Podlodka Сертификат участника конференции ArchDays 2024 ScrumTrek Сертификат участника конференции Podlodka Java Crew #6 Podlodka

Архитектор-практик с 20+ годами в IT, из них 15+ — в проектировании корпоративных и государственных систем. Умею «переводить» бизнес-задачи на язык технологий, выстраивать архитектуру от vision до production и сопровождения.

Системный аналитик с 5 годами опыта. Было реализовано более 6 успешных проектов. Soft skills: Ответственный, Исполнительный, Внимательный.

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.