Каталог специалистов направления Разработка и ИТ

Имеет опыт работы на следующих проектах: - разработка приложения для нахождения телефона с помощью звука хлопка, где Владимир создал и обучил нейросеть для определения звука хлопка; - создание библиотеки для лёгкой интеграции рекламы, аналитики и подписок в Android-приложения; - разработка приложения для резервного копирования файлов с целью защиты от удаления; - работа над приложением-игрой «Калах», где Владимир внёс значительный вклад в бекенд, разработав код для игрового процесса; - участие в проекте по созданию приложения для защиты телефона от кражи. Обладает широким спектром навыков, включая работу с AdMob, Firebase, Git, Kotlin, MVVM, Clean Architecture и другими технологиями, базовое понимание криптографии. разрабатывал приложения с нуля, с чистой архитектурой, многомодульностью, в соответствии с лучшими практиками от Google Android Development руководил командой младших(junior) разработчиков, разделял задачи, проводил код ревью, и принимал решения на всех этапах разработки добавлял CI/CD в проект, поддерживал тесты рефакторил и мигрировал с XML на JetpackCompose старые проекты обеспечивал полную интеграцию с рекламными SDK (Yandex, CAS, Admob), внедрял в приложения рекламу интегрировал в приложения аналитику (Firebase), помогал в процессах сопровождения участие в большинстве созвонов, предлагая и обсуждая лучшие варианты построения архитектуры и выбора технических средств создавал в том числе KMP (kotlin multiplatform) приложения, предназначенные для разных платформ, включая IOS, MAC, Windows, Android и др. развитые коммуникативные навыки, которые помогают мне ясно и четко объяснять свои решения, предлагать варианты, а также мотивировать сотрудников создавал собственную библиотеку, позволяющую внедрить аналитику и рекламу в приложение с помощью одной аннотации, и минимального кода для прямого использования рекламы выкладывал приложения в Google Play добавлял в приложение нейросети, участвовал в их разработке покрывал код тестами, используя JUnit, Mockito

Даниил — специалист уровня Middle+ в области Data Science, проживает в Москве. Имеет высшее образование по специальности «Компьютерные системы и технологии», полученное в Национальном исследовательском ядерном университете МИФИ. Обладает опытом работы на проектах в сферах RnD и FinTech & Banking. Участвовал в разработке мобильных приложений и игр, создании CRM-системы, исследовании и разработке ML-решений в банковской сфере, а также в создании ML-моделей для бизнес-задач. В рамках проектов выполнял задачи по анализу данных, разработке и оптимизации моделей машинного обучения, созданию интерактивных дашбордов, разработке API, проектированию архитектуры приложений, вёрстке UI, работе с базами данных и интеграции моделей в продуктовые пайплайны. Ключевые навыки включают работу с PostgreSQL, Git, Docker, API, Java, SQL, Python, Kotlin, Tensorflow, ClickHouse, Pandas, Numpy, Scikit-learn, XGBoost, Keras, Ktor, Coroutines, LiveData, Dagger2, RxJava 2, Spring, CatBoost, PySpark, а также опыт работы с нейронными сетями и фреймворками.

Data Scientist с опытом работы на проектах в сфере E-commerce & Retail и Manufacturing. На позиции Data Analytics & Machine Learning Specialist в IT-компании выполнял полный цикл разработки, занимался аналитикой и обработкой данных, разработкой и оптимизацией моделей машинного обучения. Разработал предиктивные модели для обнаружения возможных сбоев двигателя внутреннего сгорания карьерных самосвалов. Автоматизировал сбор данных со SCADA. В роли Data Science & Analytics Engineer в ПАО «Калужский Турбинный Завод» проводил аналитику и обработку исходных данных, разрабатывал и оптимизировал модели машинного обучения, работал с данными предприятия для аналитики и создания дешбордов в Power BI. Создал программу для распознавания основной информации на чертежах изделий и обнаружения на них эскизов. Работая на позиции Data Scientist в AlphaAdept group, создавал основные модели для прогнозирования лучших точек входа/выхода на фондовом рынке, внедрял ML решения в backend. Разработал процедуры A/B testing, увеличив виртуальный капитал на 35%. Будучи Python-разработчиком в ИП, разработал рекомендательную систему подбора лучших автомобилей по параметрам, что повысило вовлечённость пользователей на 20% и продажи работодателя на 17%.

Роман — AI-разработчик уровня Middle+ из Москвы, специализация — разработка решений в области искусственного интеллекта и робототехники. Имеет высшее образование по специальности «Прикладная математика и информатика» в Московском государственном университете им. М.В. Ломоносова (бакалавриат и магистратура). Ключевые навыки включают C++, GOlang, Python, SQL, алгоритмы, архитектуру, компьютерное зрение, Data Science, глубокое обучение, машинное обучение, нейронные сети, NLP и другие. Владеет английским языком на уровне B2. Имеет опыт работы на следующих проектах: - Сбер. AI/LLM платформа для автоматизации внутренних процессов (роль — ML Engineer): разработка и внедрение интеллектуальных решений на базе LLM, построение AI-агентов и агентских систем, разработка пайплайнов обработки информации, интеграция LLM-моделей в корпоративные сервисы. - Axenix. Enterprise LLM / GraphRAG / Document AI платформа (роль — Data Scientist / ML Engineer): разработка ML/DL решений в области NLP и Generative AI, разработка и обучение мультимодальных моделей на базе Vision Transformer (ViT) и RuBERT, работа с сильно несбалансированными датасетами. - KazDream. NLP система машинного перевода (роль — ML Engineer Intern): разработка NLP решений, работа с Transformer архитектурами, разработка переводчика для mixed-language сценариев.

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).

AI Engineer с фокусом на NLP, LLM и GenAI-решениях. Имею 3+ года индустриального опыта в задачах обработки текста, интеллектуального поиска и автоматизации бизнес-процессов. Работал с дообучением и адаптацией LLM с использованием PEFT-подходов (LoRA, QLoRA, P-Tuning). Разрабатывал RAG-системы для поиска, консультационных сценариев и работы с корпоративными знаниями. Отдельным направлением моего опыта является разработка LLM-агентов: проектирование tool-calling пайплайнов, интеграция внешних инструментов, оркестрация агентных сценариев, проверка ответов, работа с памятью и оценка качества. Интересуюсь практическим применением GenAI в продуктах: от прототипирования и проверки гипотез до production-интеграции. Открыт к проектам на стыке машинного обучения и GenAI.

Имеет более 5 лет коммерческого опыта в проектировании, обучении и выведении в production ML-моделей. Экспертиза в полном цикле разработки: от низкоуровневой реализации нейросетевых компонентов до оптимизации инференса на периферийных устройствах. Глубокое понимание архитектур Transformer, CNN, GAN, Diffusion, RNN и методов их обучения. Практический опыт деплоя тяжёлых языковых моделей в изолированном закрытом контуре (on-prem) и создания систем видеоаналитики реального времени. Сильные навыки управления командами, архитектурного надзора и внедрения MLOps-практик.

Илья — AI-разработчик уровня Middle+ из Москвы. Специализируется на технологиях искусственного интеллекта и машинного обучения. Имеет высшее образование по специальности «Специалист по защите информации» Орловского государственного университета. Имеет опыт работы на двух крупных проектах: 1. Проект LangSwap (роль — ML Researcher, продолжительность — 2 года 7 месяцев). Занимался исследованиями в области речевых технологий (TTS, ASR, voice classification, speech + GPT), участвовал в Emotion Recognition Challenge 2024, руководил командой по сбору датасета для TTS, развернул модели на serverless платформе runpod, ускорил инференс моделей (triton + потоковая реализация), обучил модели синтеза речи, разработал пайплайн по переводу видео. 2. Проект NDA (роль — ML Engineer, продолжительность — 2 года 6 месяцев). Реализовывал задачи в области computer vision (classification, detection, OCR, segmentation), разрабатывал модели в области NLP для анализа текста, представлял результаты в виде demo на gradio, fine-tuned YandexGPT на суммаризацию текста. Обладает широким спектром навыков, включая работу с Bert, C++, CatBoost, Claude Code, CNN, codex, connect, CUDA, Docker, DVC, FastAPI, fp-ts, Gan, Git, Gradio, gRPC, Hugging Face, hydra, leasing, Lightgbm, llm, LoRa, MLflow, MySQL, NLP, Numpy, ocr, OpenCV, Pandas, PostgreSQL, Python, PyTorch, rag, reinforcement, rl, RNN, RuBERT, Sklearn, Stable Diffusion, Streamlit, Swing, Triton Inference Server, TTS, UNET, VITS, Whisper, XGBoost, YOLO.

Андрей — Data Scientist уровня Senior из Москвы с опытом работы 5 лет 10 месяцев. Специализируется на анализе данных, машинном обучении и временных рядах. Имеет опыт работы в отраслях E-commerce & Retail, Telecom, Logistics & Transport, RnD. Ключевые навыки: baseline, dashboards, EDA, feature engineering, Lightgbm, quality, Time series, XGBoost, диагностика оборудования и телеметрии, CNN, prophet, VAR, CatBoost, LSTM, Bash, Matplotlib, Numpy, Pandas, Plotly, Python, Scikit-learn, SciPy, Seaborn, SQL, Statsmodels, anomaly Detection, классификация, кластеризация, регрессия, прогнозирование, autoencoder, Keras, mlp, PyTorch, RNN, Tensorflow, Apache AirFlow, Docker, FastAPI, Git, HDFS, Kubernetes, Machine learning, MLflow, Pipelines, production, PySpark, Spark, stakeholder. Участвовал в следующих проектах: - Wildberries (E-commerce & Retail): проектирование аналитического контура для прогнозирования поломок транспорта, работа с временными рядами, создание pipeline парсинга PDF заказ-нарядов, ускорение контура прогнозирования последней мили на Prophet. - MTS Digital (Telecom): исследования по классификации и анализу сетевого взаимодействия на больших объёмах данных, использование NetworkX для graph analytics, эксперименты с GCN / GAT и PyTorch Geometric. - Первая грузовая компания (PGK) (Logistics & Transport): разработка и внедрение моделей временных рядов, регрессии и классификации для оптимизации ремонта колёсных пар и прогнозирования износа оборудования. - Роскосмос (RnD): создание системы обнаружения аномалий в телеметрии космических аппаратов с корреляцией к реальным отказам и сокращением времени диагностики.

AI Architect / Data Scientist с глубокой экспертизой в проектировании и внедрении ML/DL-систем в бизнес-среду, обладаю сертификатом Минцифры по машинному обучению продвинутого уровня. В качестве AI Architect разрабатывал комплексную архитектуру ИИ-систем от этапа исследования до продакшна, успешно интегрировал ML-модели для автоматизации бизнес-процессов, а также оптимизировал MLOps-пайплайны для масштабирования и стабильности решений. Мои проекты включают создание AI-агентов, мультимодальных ассистентов и production-готовых AI-хабов. Поддерживаю сильную экспертизу в классическом ML/DL в различных доменах (Финансы, NLP, CV, Timeseries, Tabular, Audio, Multimodal), фокусируясь на интерпретируемости и бизнес-метриках, что подтверждается призовыми местами на крупных ML-соревнованиях. Готов решать прикладные ML/DL-задачи с end-to-end подходом, обеспечивая бизнес-результат на стыке науки, инженерии и бизнеса. Также имею опыт написания смарт-контрактов на Tact для блокчейна TON.

Илья — ML-разработчик уровня Middle+ из Москвы. Специализируется на машинном обучении, имеет опыт работы в сферах Media, BioTech, Pharma, Health care & Sports. Владеет английским языком на уровне B2. Имеет высшее образование по специальности «Специалист по защите информации» Орловского университета. Участвовал в двух проектах: - Langswap (Media, декабрь 2023 — июль 2025). Роль: ML developer. Задачи включали исследования в области речевых технологий, участие в Emotion Recognition Challenge 2024, руководство командой по сбору датасета для TTS, развёртывание моделей на serverless платформе runpod, оптимизация инференса моделей. - NDA Здравоохранение (BioTech, Pharma, Health care & Sports, июнь 2021 — декабрь 2023). Роль: ML developer + Data Scientist. Задачи включали реализацию задач в области computer vision, разработку моделей в области NLP для анализа текста, представление результатов в виде demo на gradio, fine-tuning YandexGPT на суммаризацию текста. Общая продолжительность работы на проектах — 4 года 1 месяц.

Инженер по машинному обучению и бэкенд-разработке. В продакшен-проектах работал с Transformer, CNN, RNN (LSTM) и GAN: - Transformer - на последнем проекте реализовал механизм Scaled Dot-Product Attention в RAG-пайплайне и дообучал модели для извлечения сущностей из документов. - LSTM (RNN) - на проекте “Платформа управления логистикой и флотом” обучал модель прогнозирования задержек с нуля на временных рядах GPS-треков, погоды и дорожного трафика. - CNN - строил обработчики для извлечения признаков из телеметрии транспорта. - GAN - на проекте “E-commerce Маркетплейс” интегрировал модель для генерации изображений товаров по текстовому описанию. - С архитектурой Diffusion знаком теоретически, разбирал и пробовал вне рабочих проектов: понимаю принцип работы, шедулеры шума, обратный процесс. Готов применить в реальной задаче при необходимости. Уверенно владею PyTorch, TensorFlow и JAX. Использовал JAX для ускорения вычисления эмбеддингов на GPU-кластере, также для оптимизации батчинга LSTM. Писал кастомные операции на C++ для TensorFlow, что позволило достичь стабильной работы сервиса при 1000+ RPS и ускорить инференс модели в 2 раза. Главный инсайт, который вынес из опыта: на высоких нагрузках узкое место чаще не в самой модели, а в передаче данных между слоями фреймворка и сериализации - оптимизация этого слоя дала больше прироста, чем ускорение модели. Настраивал функции потерь (Huber, MAE) и экспериментировал с Dropout и L1/L2-регуляризацией, выбирая метод под конкретную природу переобучения. При обучении LSTM-модели с нуля контролировал сходимость через градиентный спуск (learning rate, batch size, изучение loss-кривых на валидации). Адаптация AI-алгоритмов под защищенные мобильные устройства: прямого опыта с мобильными платформами у меня нет, но есть релевантный опыт оптимизации инференса на серверной и edge-инфраструктуре. Перенос этого опыта на мобильный чип логичен - та же идея минимизации лишних вычислений и копирований, но с упором на квантизацию модели

▪ Data Scientist c более чем 5 летним опытом в области анализа данных и машинного обучения в различных отраслях, включая банковское дело, финансовые услуги, e-commerce и стартапах. ▪ Применение передовых методов анализа данных и машинного обучения для глубокого анализа текущих данных и процессов (уверенное использование ML-методов, как классических, так и DL), оптимизации операций и извлечения ценных инсайтов, а также их адаптации к бизнес-потребностям. ▪ Разработка и проектирование систем разной сложности в соответствии с техническими требованиями и задачами, включая высокоэффективные, высоконагруженные и масштабируемые микросервисные приложения. Написание кода в соответствии с PEP 8 ▪ Глубокий анализ существующих решений, их улучшение и адаптация к требованиям бизнес-процессов. ▪ Опыт работы с облачными сервисами (Sber Cloud, Azure) и настройкой CI/CD процессов (Gitlab, Jenkins). ▪ Коммуникабельность, мотивация и способность быстро вливаться в текущие процессы команды с целью достижения результатов. ▪ Менторинг новых сотрудников, участие в демо и внутренних конференциях, написание статей ▪ Проведение code review

ML Engineer с 4 годами коммерческого опыта разработки предиктивных систем, GenAI-решений и систем компьютерного зрения. Ключевые компетенции включают проектирование архитектур нейросетей с нуля (Transformers, CNN, RNN, GAN), адаптацию моделей под мобильные устройства (Edge ML) и развертывание отказоустойчивых ML-систем в закрытых контурах (on-premise) с соблюдением строгих требований безопасности. Реализовала отдельные компоненты архитектур нейросетей без использования готовых коробочных решений. Адаптировала AI-алгоритмы для работы на защищенных мобильных устройствах, применяя методы квантизации для минимизации энергопотребления при ограниченных вычислительных ресурсах. Обеспечила масштабируемое развертывание ML-моделей в продакшен через контейнеризацию (Docker) и разработку асинхронных API (FastAPI). Обеспечила внедрение и автономную работу обученных моделей на частных серверах, реализовав меры защиты от внешних воздействий. Уверенно владею методами обучения моделей с нуля и fine-tuning в экосистемах PyTorch, TensorFlow. Реализовала CV-пайплайны на базе YOLO и MediaPipe для детекции паттернов поведения с оптимизацией под инференс на слабых устройствах. Разработала NLP-микросервисы на базе трансформеров (RoBERTa) для задачи извлечения сущностей (NER).

· Machine Learning Engineer с четырехлетним опытом разработки и вывода в продакшен AI-решений (NLP, RAG, Document AI, Predictive Analytics). · Участвовала в создании production-ready ML-систем полного цикла: от проектирования фичей (Feature Engineering) и валидации моделей до MLOps-интеграции в корпоративные BI-платформы. · Реализовывала с нуля кастомные компоненты нейросетей (механизмы внимания, слои Layer Mixing, CRF) и функции потерь на PyTorch и C++. · Имею практический опыт портирования и оптимизации тяжелых AI-алгоритмов (квантование, дистилляция, ONNX) для работы в условиях вычислительных ресурсов. · Опыт построения предиктивных моделей и сценарного моделирования (включая симуляции Монте-Карло) для прогнозирования рыночных трендов на основе спарсенных данных. · Дообучала трансформерные модели (Donut, RoBERTa) под задачи извлечения информации и анализа текста. · Участвовала в разработке RAG-систем для интеллектуального поиска по корпоративной документации. · Развертывала обученные модели в изолированных on-premise средах (закрытых контурах) с настройкой строгих политик разграничения доступа к данным. · Автоматизировала подбор гиперпараметров с использованием Optuna, версионирования моделей (MLflow), и адаптировала стратегию оценки моделей под бизнес-требования.

Senior AI/ML Engineer с опытом разработки и внедрения нейросетевых архитектур (Transformer, CNN, RNN, GAN, Diffusion). Работаю с фреймворками PyTorch, TensorFlow, JAX. Реализовывал кастомные слои и механизмы внимания. Разрабатываю на Python и C++ высоконагруженные микросервисы для инференса моделей. Разворачивал модели в закрытом контуре на собственных серверах через Docker/Kubernetes с контролем доступа через Keycloak. Оптимизирую пайплайны под ограниченные ресурсы. Настраивал мониторинг через Prometheus/Grafana. Имею опыт дообучения моделей и работы с LLM/агентными системами.

Data Scientist с опытом разработки и внедрения моделей машинного обучения. Специали-зируюсь на анализе больших данных, построении скоринговых моделей, предсказании оттока, антифрод-решениях и обработке естественного языка (NLP). Опыт работы с текстовыми данными: анализ клиентских отзывов, автоматическая клас-сификация, извлечение смысловой информации. Умею строить end-to-end ML-проекты: от ETL и feature engineering до настройки гипер-параметров, развертывания моделей и мониторинга качества. Имею практический опыт использования облачных сервисов AWS (S3, EC2, SageMaker) для разработки и деплоя моделей. Работа с полным циклом RnD проектов Работаю в связке с аналитиками, бизнесом и разработчиками — помогаю превращать данные в бизнес-результат.

Мариан — AI-разработчик уровня Senior из Минска, Беларусь. Специализируется на разработке AI-решений, имеет глубокие знания в области машинного обучения и искусственного интеллекта. Владеет английским языком на уровне C1. Имеет опыт работы на следующих проектах: 1. Fluor / AI Platform: разработка AI runtime layer для LLM-агентов, включая создание Python-сервисов и библиотек для запуска LLM-агентов, управления tool/function calling, execution pipelines, контекстом, памятью, логированием и структурированными результатами. 2. CA solutions / Retail Company: проектирование и реализация end-to-end ML-пайплайна для прогнозирования спроса, NLP-аналитики и RAG-ассистента. 3. BrightSenso / Retail company: разработка сервиса валидации данных из PDF-документов с использованием методов компьютерного зрения и библиотеки обработки PDF. 4. LCtech / Software development company: создание автоматизированного пайплайна для обработки и валидации заявок на участие в тендерах. Общая продолжительность работы на проектах составляет 3 года и 3 месяца.