Каталог ИТ-специалистов | Подбор разработчиков и IT-специалистов

AI & Robotics • FinTech & Banking • Social Networking

АН

Арсений Н.

Санкт-Петербург

ML разработчик

Senior

3 636,36 Р/час

airllm

Angular

AWS

C/C++

CUDA

Dask

Data

Databricks

dbs

DevOps

+70

Глубокие теоретические знания ML, DL 4 публикации в рецензируемых журналах (IEEE Access, Springer), серебряная медаль Kaggle (топ-5%), доклад на HighLoad++. Опыт реализации проектов с использованием DL 5+ лет коммерческого опыта сквозной разработки DL-решений: от прототипа до высоконагруженного продакшена. Примеры: ContentID (~75 000 ч видео/день), NeuroHD (~12 000 видео/день), рекомендательный LLM-ассистент (650 000 запросов/день). Опыт оптимизации инференса (TensorRT, CUDA, NPU) и деплоя в K8s/Docker. Опыт в финансовой сфере (преимущество) Текущее место работы — Райффайзенбанк. Разрабатываю ML-ассистенты для декомпозиции задач и бенчмаркинга кода. Стек: Python, PyTorch, SQL, MLFlow Python и PyTorch — основной стек во всех проектах. SQL активно применяю для извлечения, агрегации и подготовки данных. MLFlow использую в текущем проекте для трекинга экспериментов, версионирования моделей и артефактов. Стек: PySpark, PyG, AirFlow Прямого коммерческого опыта нет, но есть релевантный смежный опыт: распределённая обработка через Dask/DuckDB/Databricks, оркестрация пайплайнов через n8n и кастомные решения, а также глубокое понимание графовых зависимостей в LangGraph. Архитектуры: MLP, RNN, Transformers, CNN Transformers — основной фокус последних лет (fine-tuning, RAG, многошаговые агенты). CNN — опыт в CV-задачах (детекция текста, супер-разрешение). RNN — применял в исследованиях по распознаванию последовательностей. MLP — базовая архитектура, с которой строил первые модели. Графовые архитектуры / ML на графах (преимущество) Прямой работы с PyG/GNN в продакшене не было, однако проектировал многошаговые агентные workflow (LangGraph) с графовой логикой переходов. Теоретически знаком с принципами GNN (GraphSAGE, GCN, GAT). Понимание применимости архитектур к бизнес-задачам (преимущество) TensorRT/CUDA для low-latency инференса, трансформеры для персонализации, GAN для генерации. Результат — прямое влияние на метрики (CTR ×2.4, обработка 75k+ часов видео/день).

Подробнее

Каталог специалистов направления Разработка и ИТ

Недавно просмотренные специалисты

Подпишитесь на нашу рассылку