Каталог специалистов

Владислав — DevOps-специалист уровня Middle+ из Сочи. Специализируется на администрировании инфраструктуры и приложений, настройке CI/CD процессов, контейнеризации и автоматизации. Имеет опыт работы с Ansible, ArgoCD, AWS, Bash, Docker, GitLab CI, Helm, Jenkins, Kubernetes, Linux, Prometheus, Terraform и другими инструментами. Участвовал в проектах по развёртыванию и сопровождению инфраструктуры для внутренних и внешних продуктов в отраслях IoT и FinTech & Banking. Занимался администрированием инфраструктуры и приложений в prod/dev средах, внедрением и управлением мониторингами качества работы проектов, масштабированием и резервированием, предотвращением сбоев, реакцией на инциденты и последующим анализом. Имеет опыт работы DevOps/SRE инженером, SRE-инженером, инженером и системным администратором. Общая продолжительность работы на проектах — 6 лет 9 месяцев.

пытный DevOps-инженер с более чем 14-летним стажем в построении масштабируемой, отказоустойчивой и производительной инфраструктуры для проектов в Web3, геймдеве и AI. Работал с Kubernetes (в том числе bare-metal), облачными платформами AWS и GCP, построением CI/CD-процессов, контейнеризацией и безопасностью. Специализируется на архитектуре платформ, автоматизации процессов, мониторинге, безопасности и оптимизации производительности — как в облаке, так и на железе. Имеет богатый опыт в разработке решений с использованием Terraform, ArgoCD, Helm, Prometheus и высокой нагрузкой (до 5000+ одновременных соединений с задержкой <10 мс). Внедряет подходы DevSecOps и MLOps, поддерживает модели LLM, системы безопасности на железе, потоковую обработку и управление состоянием блокчейна. Занимался разработкой и внедрением комплексной инфраструктуры MLOps с поддержкой моделей Llama 3 70B и CodeLlama-34B для анализа смарт-контрактов (игры на Web3). Разрабатывал конвейеры CI/CD с использованием GitLab CI, Terraform и Kubernetes для обучения и обслуживания моделей. Опыт с контейнеризацией сервисов LLM с использованием Docker и их развертывание на AWS EKS. Реализовал конвейер MLOps с использованием реестра моделей MLflow, DVC для управления версиями моделей и автоматизированных шлюзов валидации моделей. Разрабатывал комплексный стек мониторинга и наблюдения с использованием Prometheus, Grafana, Jaeger и ELK.

QA engineer с 3-мя годами коммерческого опыта. Работал в направлениях: Web, Mobile, Desktop. Специализация на Manual и Performance тестировании, есть опыт в автоматизации. Опыт функционального, нагрузочного тестирования, тестирование пользовательского интерфейса, интеграционное, ручное, регрессионное тестирование.

Технические навыки: C++, C, STL, BOOST, POSIX, Multithreading, Bash, GCC, GDB, Valgrind, Perf, Cppcheck, Doxygen, Gtest, CppUnit, Python, CMake, Make, Git, QT, JSON, REST, CLion, macOS, Linux, gRPC, RabbitMQ, Kafka, Docker, Azure, AI, HFT, AWS, Kubernetes, network programming. Профессиональные навыки и умения: Опытный инженер с более чем 10-летним опытом в разработке программного обеспечения. Опытен в создании высоконагруженных бэкендов с нуля, соблюдая лучшие практики с использованием таких технологий, как C++, C, Python, многопоточность и других. Быстро адаптируюсь к новым инструментам и технологиям. Обладаю навыками работы с различными продуктами и платформами, демонстрирую аналитическое мышление и оперативный подход к решению проблем. Внимателен к деталям, проактивен, самомотивирован и отлично коммуницирую.

Специалист по данным / Инженер по Машинному Обучению с опытом работы 3 года. Специалист по данным с сильным математическим образованием и хорошими навыками программирования. Обладает универсальным набором навыков, охватывающим инженерию данных и анализ данных, с возможностью адаптации к динамичной рабочей среде. Специализируется на обработке естественного языка, компьютерном зрении и прогнозирующем моделировании в различных областях бизнеса. Имеет опыт работы на всех этапах обработки и анализа данных, от понимания бизнес проблем до внедрения моделей ML в эксплуатацию. Языки программирования: Python. Технологии программирования gradio. Data science Pandas, Numpy, Seaborn, Plotly. Машинное обучение Scikit-learn, XGBoost, BitsAndBytes. Глубокое обучение PyTorch, Tensorflow, Keras, OpenVINO, TensorRT, TensorBoard, NVIDIA NGC. Компьютерное зрение OpenCV, Torchvision. Обработка естественного языка Hugging Face, OpenAI API, Langchain, PEFT, Spacy, Gensim, NLTK, BERTopic. MLOps MLFlow. Инженерия данных Apache Spark, PySpark. Облачные технологии AWS(Sagemaker, S3, EKS, EC2, Bedrock, DynamoDB, Cloudwatch и т. д.), Azure(Virtual Machines, Spot VM, SQL, ML, Functions, Synapse, Analysis Services, Data Factory, Blob Storage, DevOps, etc). Базы данных Redis, MongoDB, PostgreSQL. DevOps Docker, Docker Compose, Kubernetes (k8s), Bash Scripting. Системы контроля версий Git, Github. Достижения Настройка инфраструктуры AWS Настроил инфраструктуру AWS для мониторинга и отслеживания моделей на этапе экспериментов, что позволило сделать процесс разработки более удобным и эффективным, а развертывание моделей машинного обучения - надежным и безопасным. Коммуникационный чат-бот Разработан коммуникационный чат-бот с LLM для разговоров от лица различных персонажей и с ответами на пользовательские запросы.

Специалист по анализу данных / Инженер по машинному обучению с опытом работы более 3-х лет. Специалист по анализу данных, специализирующийся на дата-центрированных проектах. Умение выявлять бизнес-проблемы и решать их с использованием различных подходов обработки и анализа данных, подтвержденное на практике. Умение работать со полным жизненным циклом проектов машинного обучения: от сбора данных до развертывания обученных решений. Области специализации: обработка естественного языка, модели прогнозирования и компьютерное зрение. Языки программирования Python. Технологии программирования GeoPy. Наука о данных Pandas, Matplotlib, Numpy, Seaborn, Plotly, PowerBI. Машинное обучение Scikit-learn, Hyperopt, kmodes, UMAP, Prophet, Boruta, LightGBM, XGBoost. Глубокое обучение PyTorch, NVIDIA NGC. Компьютерное зрение Tesseract OCR. Обработка естественного языка Hugging Face, AllenNLP, Gensim, NLTK. MLOps MLFlow, Neptune. Инженерия данных pache Airflow, Apache Spark, PySpark. Облачные технологии AWS(Lambda, SageMaker, S3, EC2, ECR, EKS, CloudWatch и т. д.), Azure(VMs, ML, Databricks, Blob Storage, DataFactory). Базы данных PostgreSQL, MySQL, Redis. DevOps Docker, Docker Compose, Kubernetes(k8s). Системы контроля версий Git, Github. Достижения Помощник по юридическим документам Разработал систему для предложения пользователям структуры документов и автодополнения текстовых предложений в типовых юридических контрактах, использующую модели на архитектуре transformer. Настройка инфраструктуры AWS Настроил инфраструктуру AWS для мониторинга моделей и метрик на этапе экспериментирования, что позволило сделать процесс разработки более удобным и эффективным, а также ускорило развертывание моделей машинного обучения. Настройка обработки данных Разработал конвейеры ETL с Azure Databricks и Apache Spark для эффективной интеграции данных из разных источников в центральное хранилище для дальнейшего использования в аналитической платформе.

За всю карьеру было реализовано большое количество проектов. Начиная от систем контроля доступа, заканчивая разработкой LLM моделей для автоматизации работы менеджеров и ОКК. Также разрабатывал архитектуру для высоконагруженных систем. Разрабатывал DataLake и DWH для дальнейшего построения системы аналитики данных. Разрабатывал системы отчетности. Работал с машинным зрением (классификация изображении). Реализовывал системы речевой аналитики на Pytorch (как самостоятельно разрабатывал сети, так и использовал BERT модели). В работе обычно использую Python, PSQL, Mongo, Redis, Kafka, Airflow, Docker, K8s По мимо этого, руководил проектом по внедрению VDI для работы удаленных пользователей.

Кандидат физико-математических наук - Институт прикладной физики Российской академии наук Диссертация: "Методы повышения частоты и мощности нерелятивистских медленноволновых устройств" (2013 год)

Общие сведения: Беспилотные транспортные средства, системы ADAS, компьютерное зрение, наука о данных, алгоритмы, алгебра и геометрия, теория вероятности, численные методы, методы оптимизации Достижения: Финалист конкурса "Зимний грод" Научная работа "Разработка системы помощи водителю при парковке для коммерческих транспортных средств" Научная работа: "Plotting Vehicle Trajectories in Assisted Parking" Участин Intel Summer School 2017 Проект: Media SDK Задача: "Acceleration of image recognition in video stream"

Профессиональные навыки: ● Беспилотные транспортные средства, системы ADAS, компьютерное зрение, наука о данных, алгоритмы, алгебра и геометрия, теория вероятности, численные методы, методы оптимизации Программирование: C++ (C++98, C++11, C++14, C++17), Python, Bash Дополнительно: ● Git, docker, docker registry, CMake, qmake, gdb ● Google Protobuf, MQTT, UDP, OSC (open sound control) ● ROS (robotic operating system), Qt ● OpenCV, STL, Boost, PCL (point cloud library), Eigen ● OpenVINO, Keras, ultralytics, CVAT, LabelImg ● Цветные/монохромные/темральные камеры, лидары, лазерная подсветка, релейные платы

Кирилл — опытный специалист в области Data Science с грейдом Middle+. Он обладает широким спектром навыков, включая работу с Docker, Flow.js, Linux, ML, MLOps, Numpy, NVidia, OpenCV, Pandas, Python, PyTorch, Scikit-learn, Spark, SQL, Tensor, Tensorflow и другими инструментами. Кирилл имеет опыт работы на проектах в различных отраслях, таких как лайфстайл, электронная коммерция и ритейл, финтех и банкинг, а также городские технологии. Он принимал участие в разработке проектов для прогнозирования продаж товаров на маркетплейсах, создания приложения ассортимента компании, распознавания документов и других задач. На последнем месте работы Кирилл курировал реализацию крупных инвестиционных проектов по автоматизации энергетических объектов.