Каталог специалистов

Инженер-программист с опытом работы более 5-ти лет в сфере информационных технологий. Основными навыками являются разработка Web (Django) и API (Django DRF, Flask, FastAPI), разработка Data scraping проектов, а также автоматизация обработки документов. Есть опыт работы на проектах с Computer Vision и Machine Learning технологиями (YOLOv3, YOLOv5, YOLOv7, Detectron2, openCV). Также есть опыт в качестве DevOPS (Linux, Nginx, Docker, GitLab CI/CD).

Профессионал в области проектирования и дизайна мобильных интерфейсов и многофункциональных веб-сервисов. Креативное мышление, аргументирование решений, ориентация на достижения. Коммуникабельный. ПРОФЕССИОНАЛЬНЫЕ НАВЫКИ: - Составление, moodboard, user flow, flow chart - Проектирование wireframe, wireflow - Дизайн интернет-магазинов - Дизайн мобильных приложений - Дизайн веб-сервисов - Графический дизайн - Самообучение и саморазвитие - Креативность и воображение - Логика и аналитика - Профессиональная эмпатия - Прототипирование и анимация макетов - Типографика - Работа в команде Портфолио: https://www.figma.com/file/JO2YUOZyfqXEqSRj59wTLu/%D0%9F%D1%80%D0%BE%D0%B5%D0%BA%D1%82%D1%8B?type=des ign&node-id=2-2&mode=design&t=cXyWm7 U3dEaatcWb-0

DevOps-инженер с более чем 16-летним опытом в ИТ, специализирующийся на автоматизации CI/CD, построении и администрировании кластеров Kubernetes, настройке инфраструктуры на базе облаков (AWS, Яндекс.Облако) и работе с контейнеризацией и оркестрацией. Обладает экспертными знаниями в области настройки отказоустойчивых систем, безопасности, виртуализации (Proxmox, VMware, Docker), создании и сопровождении внутренних и публичных dockerregistry, логического разделения сред (dev/stage/prod) и построения GitOps процессов с использованием ArgoCD. Работает с ведущими CI/CD-платформами (GitLab, Jenkins, TeamCity), активно применяет Bash-скрипты и Makefile для автоматизации, имеет опыт построения сложных пайплайнов и поддержки высоконагруженных распределённых систем. Разбирается в сетевой безопасности, конфигурации ingress-контроллеров, организации мониторинга и логирования (Prometheus, Grafana, Zabbix, ELK), администрирует серверы на Linux (Debian, CentOS, Ubuntu, SLES). Обладает лидерскими качествами, имеет опыт менторства junior-специалистов, ведёт техдокументацию и активно участвует в разработке архитектурных решений.

Разработчик с 5 годами опыта в Data engineering, Data Mining, Data Science и Machine Learning. В настоящее время специализируется на цифровой обработке изображений и анализе данных с использованием Python. Во время учебы в университете входил в состав университетской команды по участию в ICPC. Хорошо знаком со структурами данных, а также алгоритмическим программированием. В своих бакалаврских и магистерских дипломных работах описал идеи решения задач классификации данных с использованием метаэвристических и эволюционных алгоритмов. Обучался на курсах Java EE (Java SE, Spring, Hibernate). Большой опыт работы над задачами классификации изображений, извлечения информации из сложных изображений, классификации данных и обнаружения объектов. Развиты навыки статистического анализа сложных наборов данных и построения прогнозных моделей.

Разрабатываю модели, способные решать задачи классификации и регрессии. Моя основная цель - помочь решить проблемы в области прогнозирования, компьютерного зрения и анализа текстовой информации. Владею классическими и глубокими методами машинного обучения. Занимаюсь анализом данных и визуализацией результатов с помощью библиотек Pandas, Numpy, Matplotlib, Seaborn, Plotly. Строю модели глубокого обучения с помощью фреймворков Keras и PyTorch. Уверенно разрабатываю на Python. Есть опыт работы с Flask, SQLAlchemy, а также опыт написания юнит-тестов с помощью библиотек PyTest и UnitTest. Совершенствую свои навыки, читая профессиональную литературу и публикуя научные статьи и статьи на Хабре. Статьи: 1. Прикладная математика и вопросы управления, 2023, Пермь: Метод определения уровня схожести изображений по цветовой составляющей на основе корреляционного анализа и квантования цветового пространства https://elibrary.ru/item.asp?id=54951039 2. Вестник Южно-Уральского государственного университета, 2023, Челябинск:Разработка системы определения перемещения рабочих на производстве на основе OpenCV и алгоритма одностадийного детектора https://elibrary.ru/item.asp?id=51254937 3. USBEREIT, 2023, Yekaterinbug: Application of Ensembles of Neural Networks for Deepfake Recognition 4. Хабр, 2023: Почему Data Science не для вас? https://habr.com/ru/users/TourmalineCore/articles/ 5. Applied Human Factors and Ergonomics, 2024, Nice: Development of Neural Networks for Deepfake Recognition https://clok.uclan.ac.uk/id/eprint/52098/1/978-1-958651-98-8_14.pdf 7. Хабр, 2025: To Docker or not to Docker? Вот в чём JupyterLab https://habr.com/ru/articles/911298/ Монография: 1. Южно-Уральский государственный университет, 2024: Управление промышленными предприятиями как фактор эффективного развития региона https://elibrary.ru/item.asp?id=79614873