Каталог специалистов направления Разработка и ИТ

Владимир — опытный ML-разработчик уровня Middle+. Обладает навыками работы с Python и библиотеками для анализа данных, такими как NumPy, Pandas, scikit-learn, CatBoost, LightGBM, Keras, PyTorch, LLM, BERT, FastText, ResNet. Также владеет инструментами для работы с большими данными: Hadoop, ClickHouse, Greenplum. Владимир имеет опыт руководства направлением по исследованию данных. На этой позиции он разработал и внедрил модель прогнозирования нагрузки на колл-центр, а также модели прогнозирования релевантных рекомендаций товаров и услуг и прогнозирования недобросовестных мошеннических действий. Кроме того, Владимир занимался подбором пороговых значений предсказания моделей на основе A/B тестирования. Также Владимир работал старшим специалистом по исследованию данных в группе машинного обучения. В этой роли он разрабатывал и внедрял модели анализа оттока клиентов, кластеризации и классификации пользователей, а также модель честного рейтинга поставщика на основе ансамбля моделей. До этого Владимир занимал позицию исследователя данных в SberData. Там он оптимизировал временные ряды для оптимизации памяти и утилизации процессоров кластеров хранилища Hadoop Yarn, разрабатывал бэкэнд для пилотов моделей кластеризации, алгоритм для входящих обращений чат-ботов, а также протокол сериализации объектов.

Михаил — системный аналитик уровня Senior из Тулы. Специализируется на анализе и проектировании систем с использованием различных технологий и методологий. Имеет опыт работы в отраслях FinTech & Banking, HRTech, E-commerce & Retail, Media. Участвовал в разработке масштабируемой системы выявления фрод-активности на основе AI и анализа поведения устройств, где провёл аудит архитектуры антифрод-платформы и сформировал техническое видение масштабируемой системы обработки до 10 млн событий в сутки. Принимал участие в создании цифровой платформы для поиска вакансий и специалистов в области беспилотных систем, где разработал архитектуру API-слоя между UI, ML-модулями и микросервисами. Работал над внутренней платформой для автоматизации инженерных и закупочных процессов в производственной компании, где провёл аудит бизнес-процессов проектирования и закупки, зафиксировал узкие места и предложил улучшения. Также участвовал в разработке in-house платформы для автоматизации работы редакции: от хранения и обработки материалов до публикации контента. Общая продолжительность работы на проектах — 6 лет 11 месяцев.

Специализируюсь на работе с Large Language Models (LLM), RAG-системами, семантическим поиском, генерацией текстов и классическим ML. Разрабатываю и внедряю end-to-end решения: от оптимизации inference-пайплайнов до интеграции моделей в production. Работал в Agile-командах (2–10 человек), фокусируясь на стабильности продукта, раннем обнаружении ошибок и улучшении производительности. Мои ценности ориентированы на решение задач клиентов и бизнеса через технологическую экспертизу

Ключевые навыки: Внедрение и администрирование СЭДО: Опыт работы с Tessa (4 года), включая внедрение, администрирование, техподдержку, оптимизацию ролевой модели, автоматизацию интеграций. Бизнес-анализ: Анализ и оптимизация бизнес-процессов документооборота и архива в банковской сфере. Работа с базами данных: Уверенное знание SQL (SELECT, JOIN, EXISTS, WITH, OVER), опыт работы с PostgreSQL, MS SQL, Vertica. Автоматизация процессов: Опыт автоматизации процессов, интеграций, нагрузочного тестирования. Техническая документация: Навыки написания и дополнения технических заданий, сопровождение продуктов. Инструменты и технологии: Python, BPMN, UML, COBIT, Git, Docker, Tableau, Naumen Service Desk, Redmine. Администрирование ОС: Опыт работы с Astra Linux, Debian, построение корпоративных сетей. Data Science: навыки работы с NumPy, Pandas, Matplotlib, Seaborn, TensorFlow, Scikit-learn.

ML-инженер и продуктовый аналитик с почти 7-летним опытом реализации проектов в ведущем финтехе. Мой ключевой стек технологий включает Python, SQL, PySpark, Airflow и MLflow, что позволяет мне самостоятельно обеспечивать полный цикл внедрения моделей от сбора данных до поддержки в продакшене. Я специализируюсь на классическом машинном обучении (скоринг, uplift, LTV) и современных LLM-решениях, создавая продукты с доказанным финансовым эффектом для бизнеса. Имею опыт работы с системными промптами в бизнес-задачах: разрабатывал и оптимизировал промпты для LLM-ассистентов, настраивал структурированные JSON-выходы для интеграции с CRM-системами, использовал few-shot и контекстные подходы для повышения качества ответов. Проводил диагностику проблем LLM (галлюцинации, нестабильность), анализировал корневые причины и вносил корректировки в логику работы агентов. Создавал тестовые среды для имитации диалогов с LLM, разрабатывал наборы тестовых сценариев (типовые, сложные, пограничные случаи) для проверки поведения агентов до вывода изменений в production. Проводил evals и регрессионное тестирование LLM-агентов, версионировал промпты через MLflow. Работал с обратной связью от пользователей, трансформируя замечания в системные улучшения. Участвовал в проектировании AI-архитектуры и автоматизации процессов, включая интеграцию LLM-решений с CRM-контурами. Имею опыт анализа больших массивов данных для выявления поведенческих паттернов и улучшения сценариев работы агентов. Моя сильная сторона — умение сочетать глубокую техническую экспертизу с пониманием бизнес-метрик, что гарантирует высокую эффективность и окупаемость разработанных решений.

ML-инженер с опытом коммерческой разработки более 4 лет. В Сбере занимался разработкой и улучшением ML/DS-решений для динамического ценообразования и оценки ликвидности объектов недвижимости. Проводил R&D в области Reinforcement Learning и Multi-Armed Bandits. Разработал CV-модель классификации планировок квартир на базе ResNet (PyTorch) с точностью 95%. Создал более 30+ production-ready парсеров для сбора данных по рынку недвижимости. В SRG-IT разработал сервис оценки коммерческой недвижимости с MAPE 10%, сократив время оценки залогов для банка на 32%. В NeuroFusion создал систему матчинга названий грузов, сократив время обработки заказов на 14% и снизив процент возвратов на 11% Hard skills • Разработка и улучшение ML/DS-решений для динамического ценообразования и оценки ликвидности • Мониторинг, валидация и улучшение качества моделей • R&D в области Reinforcement Learning и Multi-Armed Bandits • Residual learning: ансамбль CatBoost + моделирование остатков с Thompson Sampling • Разработка CV-моделей на PyTorch (ResNet) • Создание production-ready парсеров для сбора и агрегации данных • Автоматизация ETL/ML-пайплайнов через Airflow • Проектирование ML-инфраструктуры для регулярного переобучения и мониторинга моделей • Деплой моделей в Docker-контейнерах с API на FastAPI • Оптимизация гиперпараметров (Optuna, hyperopt) • Интерпретация результатов через SHAP • Системы матчинга с использованием Faiss, BERT-like моделей и бустингов • A/B тестирование Soft skills • Командная работа • Коммуникабельность • Умение работать самостоятельно и в команде • Нацеленность на результат • Ответственность • Аналитический склад ума • Системный подход в работе

● Product / data analyst с более чем 6-летним опытом работы с фокусом на продуктовую и операционную аналитику, способный самостоятельно формировать витрины данных, проектировать метрики и выявлять бизнес-инсайты на основе сложных поведенческих данных. ● Построение сквозной аналитики: от разметки событий и ETL-процессов до визуализации в BI инструментах. ● Извлечение данных из разнородных источников: интеграция через API (REST, GraphQL), парсинг веб-страниц, обработка логов, файловых выгрузок (Excel, CSV), Google Sheets, CRM, мессенджеров и баз данных (PostgreSQL, ClickHouse). Знание SQL (CTE, оконные функции, подзапросы) ● Применение Python для автоматизации обработки и агрегации данных: использование pandas, numpy, requests, SQLAlchemy, а также инструментов для работы с текстом и JSON. ● Внедрение решений на основе ML и LLM: классификация активности, кластеризация пользователей, NLP-анализ названий писем, файлов и ссылок, генерация описаний действий. ● Организация и проведение A/B-тестов: формулировка гипотез, расчёт выборки, анализ оценки эффекта бизнес-экспериментов, в том числе для ценовых инициатив и расчёт их влияния на ключевые метрики (выручка, конверсия, маржинальность), оценка статистической значимости и подготовка выводов для продуктовых решений. ● Автоматизация рутинных процессов: создание скриптов для сбора данных, генерации отчётов, автозаполнения форм. ● Самостоятельное выявление проблем в пользовательском поведении и поиск решений через анализ данных и продуктовые исследования. ● Знание новых технологий (LLM, потоковая обработка, графовые модели), внедрение практик data governance. ● Полное документирование исследований и процессов: опыт ведения проектной документации в GitHub, Confluence / Яндекс.Вики, постановки и отслеживания задач в Jira / Яндекс.Трекер в рамках agile-циклов. ● Коммуникация со смежными командами, презентация результатов, обучение младших коллег, интервьюирование заказчиков.

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.

Руководитель разработки и архитектор с опытом коммерческой разработки на Python более 10 лет, из них 5+ лет — техническое руководство командами (до 12 инженеров) и владение архитектурой решения целиком. Последние 3+ года — руководитель разработки B2G-продукта на базе искусственного интеллекта (RASA) в Гринатом: отвечает за полный цикл — от сбора требований у профильных департаментов и декомпозиции в User Stories до релизов и пост-релизной поддержки, организовывает работу кросс-функциональной команды 10+ человек (Backend, ML-инженеры, Frontend) и аналитиков. Профиль под задачу: сложная Python-бизнес-логика и прикладной AI, интеграция ML-решений в бизнес-процессы крупной корпорации, проектирование высоконагруженных микросервисных систем (High Availability, обработка данных с 5000+ IoT-терминалов в реальном времени), синхронные и асинхронные интерфейсы, многопоточность и многопроцессность, приложения с БД, наблюдаемость (логирование, мониторинг, распределённая трассировка, Grafana, CloudWatch), CI/CD и IaC. Адаптивен к AI-кодингу и AI First разработке, быстро переключаюсь между стеками. Есть опыт запуска проектов с нуля — от десктопных и клиент-серверных приложений до собственной реализации MQTT-сервера и текстовых классификаторов на TF-IDF. Управленческая часть: выстроил Scrum-процесс со спринтами и демо для стейкхолдеров, внедрил Code Review и автотесты в пайплайн, провожу технические интервью, участвовал в формировании ИТ-бюджета и KPI команды, менторю джуниоров и разработал программу адаптации новых сотрудников. Делает ставку на эмпатичное лидерство, разрешение конфликтов, делегирование и поддержание психологической безопасности в команде. Привык выступать мостом между бизнес-заказчиками и командой и аргументировать технические решения на языке бизнес-эффекта.

Кандидат физико-математических наук, индекс Хирша 5 (Scopus, Web of Science) Имеет более 40 работ по физике конденсированного состояния, из них 16 в журналах с высоким импакт фактором за рубежом. SPIN: 5924-6675, ORCID:0000-0002-5875-5997, ReseacherID: N-2008-2013 Кандидат физико-математических наук, 2006 г. Инженер-физик, диплом 1997 г. Владение английским языком на продвинутом уровне, писал статьи в хорошие журналы, понимаю азиатов. Создание аппаратно-программных комплексов, написание алгоритмов работы и программ, написание проектов. Создание трехмерных эскизов и чертежей, проекций Разработка и изготовление прецизионных электронных устройств на уровне ведущих инженеров. Отличная коммуникация (soft skills). Грамотная речь. Грамотное и четкое письменное изложение. Умение самостоятельно ставить задачу и находить решение. Разработка технического задания. Разработка проектной документации. Сбор и анализ информации. Постановка задач разработчикам. Навыки презентации нормативно-технической документации. Публичные выступления. Аналитические исследования. Написание научных статей. На высоком прикладном уровне владение высшей математикой, теплотехникой, химией. Водительское удостоверение категории В