Каталог специалистов направления Разработка и ИТ ML разработчик

Семён — middle ML-разработчик из Екатеринбурга. Специализируется на машинном обучении, имеет опыт работы с LLM, Git, Bash, Linux, Qdrant, SQL, Python. Владеет английским языком на уровне C2. Образование: высшее, квалификация по специальности «Программная инженерия», Институт радиоэлектроники и информационных технологий Уральского федерального университета имени первого Президента России Б. Н. Ельцина. Опыт работы на проектах: - Проект «Inverse» (роль: ML-инженер, продолжительность: 11 месяцев). Разработка моделей и алгоритмов машинного обучения с подкреплением, генерация текста, анализ текстовых данных. Написал ML-часть для проекта по оптимизации отдела продаж, используя дообученную LLM-модель. - Проект «Nexus research» (роль: научный сотрудник, продолжительность: 4 месяца). Разработка моделей и алгоритмов машинного обучения для задач регрессии и классификации, исследование приложений машинного обучения и ИИ в науке, работа с компьютерным зрением для обработки документов.

Максим — ML-разработчик уровня Junior+ с опытом работы на проектах в сферах AI & Robotics и E-commerce & Retail. На проекте по разработке системы алготрейдинга на основе новостного анализа выполнил следующие задачи: - разработал прототип системы для алготрейдинга акциями; - реализовал парсинг новостей из Telegram-каналов; - выполнил предобработку и семантическую классификацию новостей; - спроектировал и обучил модель прогнозирования; - настроил автоматическую отправку уведомлений о торговых сигналах в Telegram. В роли ML engineer в проекте Mars работал над следующими задачами: - разработка, обучение, валидация и развёртывание моделей машинного обучения; - проектирование и реализация пайплайнов (MLOps) для автоматизации процессов; - проведение A/B-тестирований; - анализ данных и проверка статистической значимости результатов; - интеграция разработанных моделей в существующую IT-инфраструктуру компании; - взаимодействие с кросс-функциональными командами и представление результатов работы бизнес-стейкхолдерам.

Большой опыт в проектировании электроснабжения - путь от инженера до главного специалиста. Всегда стремился к автоматизации расчётов и рабочих процессов (Excel, VBA, AutoLISP). Последние несколько лет изучаю Python и веб-разработку (Django, FastAPI), а также ИИ. В 2024 прошёл обучение по Computer Vision, защитил диплом «Распознавание инженерной документации с использованием Object Detection / OCR». На текущем месте работы внедряю автоматизацию бизнес-процессов: транскрибация аудиоконференций, обработка файлов (VBA, PowerShell), RAG. Продолжаю изучении AI, микросервисы, PyTorch, классический ML, Aiogram. Занял с командой 3е место на хакатоне ЛЦТ 2025. Задача Газпромбанк.тех - автоматизированная обработка клиентских отзывов.

Отрасли: data science, machine learning, web, android

Junior+ ML-инженер, специализирующийся на задачах Анализа Данных, Computer Vision, NLP.

Абылай — Senior ML разработчик из Астаны, Казахстан. Специализируется в области машинного обучения и искусственного интеллекта. Имеет высшее образование по специальности Computer Science (Data Science) от International Information Technology University (IITU). Владеет английским языком на уровне C1. Имеет опыт работы на различных проектах в сферах LifeStyle, AI & Robotics, Urban technology, E-commerce & Retail, Blockchain, FinTech & Banking, Information Security. Участвовал в разработке и внедрении MLOps-платформ, проектировании и выводе в продакшн голосовых и чат-агентов, создании решений для компьютерного зрения, антифрод-систем и детекции ботов, построении моделей фрод-детектирования и кредитного скоринга. Среди проектов, над которыми работал Абылай: маркетплейс продуктов и специалистов по ментальному здоровью, системы для мерчандайзинга, автоматизация смарт-паркинга, маркетплейс одежды, криптобиржа, системы оцифровки документов, антифрод-системы для банков, бэкенд для социальной сети.

ML-разработчик уровня Middle из Новосибирска. Специализируется на Computer Vision. Имеет высшее образование по специальности «Физика» Новосибирского национального исследовательского государственного университета. Владеет навыками работы с aiogram, Docker, FastAPI и Python. Участвовал в разработке проектов в сфере RnD.

Опытный ML Engineer с глубокими знаниями в области обработки естественного языка и создания интеллектуальных диалоговых систем. Специализируется на разработке автоматизированных решений для оптимизации бизнес-процессов, включая системы клиентской поддержки, умного поиска и автоматической генерации документов. Владеет современным техническим стеком (Python, OpenAI API, RAG, Transformers) и успешно реализовала проекты, позволившие компаниям сократить операционные издержки и улучшить пользовательский опыт.

ML инженер с опытом полного цикла ML-разработки — от подготовки данных и выбора алгоритмов до их оптимизации и интеграции в production. Люблю работать в команде, делиться знаниями и вносить вклад в реализацию проектов.

ML-инженер. • Фреймворки — FastAPI, Gradio, PyTorch, TensorFlow, Keras, Ultralytics, Hugging Face Transformers, Hydra, Airflow, MLflow, TensorRT, Triton, Apache Spark • Библиотеки — Pydantic, Pandas, SciPy, GeoPandas, llama cpp python, scikit learn, scikit image, Dataset + DataLoader, supervision, OpenCV, Pillow, fiona, Shapely, GDAL, Rasterio, Loguru • Модели / Архитектуры / Предобученные решения — YOLO (pose, seg, track), SAM2.1, HR-Net, ResNet, Mask R CNN, U Net, EasyOCR, Tesseract, BERT, SpaCy, NLTK, Llama, XGBoost, LightGBM, SVM, RF, GCN • Разметка / Аннотация данных — Label Studio, CVAT • Другое — Anaconda, Kaggle, Jupyter Notebooks, Yandex AI Studio, Docker, Git, QGIS

Я перешёл с Game Developer Unity C# в Data Science/Machine Learning, потому что я очень сильно влюбился в эту область. В IT опыта около 4 лет как программист. Присутствуют практические знания статистики, линейной алгебры и математики в общем, но хочу знать больше. Люблю Математику, программирование, науку. Я крайне добр и не вспыльчивый. Говорю на Русском и на Английском свободно. Моя сильнейшая сторона: умею уделять работе всё время и постоянно обучаться новому.

Вячеслав — опытный ML-разработчик с глубоким пониманием алгоритмов машинного обучения и статистического анализа. Он обладает навыками работы с Python, ML, SQL и инструментами для построения data-pipeline. Вячеслав имеет опыт работы в проектах по страхованию и логистике, где он успешно решал задачи по прогнозированию оттока клиентов, стоимости страховых полисов и расхода/запаса авиационных запчастей. В одном из проектов Вячеславу удалось повысить точность закупки, снизить потребность в аренде на 90% и сократить существенные финансовые затраты на хранение, логистику и простой ВС. До этого Вячеслав работал главным инженером в RnD-проекте, где руководил научной лабораторией, курировал выпускников и младших инженеров, а также занимался разработкой математических моделей прогноза поведения материалов в Mathcad и программированием контроллеров для автоматизации работы собираемых установок на Python.

Александр — опытный Data Scientist с навыками работы в области машинного обучения и анализа данных. Он обладает глубоким пониманием SQL, Python и различных библиотек для машинного обучения, таких как Scikit-learn, CatBoost, LightGBM и XGBoost. В своей работе Александр успешно решал сложные бизнес-задачи. На текущем месте работы он разработал модель прогнозирования поломок платёжных терминалов, что позволило снизить затраты на обслуживание на 10% и уменьшить количество внеплановых ремонтов на 22%. Также он создал модель для определения оптимальной суммы овердрафта для водителей такси, снизив риски невозврата на 10%, и реализовал модель для выявления клиентов, наиболее подходящих для премиальных банковских услуг. Кроме того, Александр разработал модель для выявления и предотвращения мошеннических транзакций. Опыт работы Александра составляет два года.

Языки программирования: Python, SQL, JS, TS Технологии: PySpark, CatBoost, scikit-learn, Greenplum, FastAPI, SQLAlchemy, Optuna, Weights & Biases, PyTorch, pandas, NumPy, Matplotlib, Seaborn, TorchRL, Stable Baselines3, Gym, SciPy, PostgreSQL, React, express, Redux Toolkit, tailwind CSS, Docker Дополнительно: Прогнозирование финансовых показателей, Оптимизация SQL и процессов данных, Разработка и внедрение ML-моделей, Автоматизация отчетности, Поддержка RAG-систем, Reinforcement Learning, Нейросетевые агенты, Классификация товаров, Матчинг вакансий и курсов, Fullstack-разработка, Разработка сервисов

Обладаю сильной академической базой в области компьютерных наук, статистики и программирования. Увлекаюсь анализом данных и выявлением скрытых закономерностей для решения сложных задач. Идеальная роль для меня — работа, где я смогу применять свою любовь к статистике, проверке гипотез и предиктивному моделированию. Имею опыт работы с базами данных и SQL. В последние годы активно занимаюсь разработкой систем, использующих технологии обработки естественного языка (NLP), направленные на анализ, понимание и генерацию человеческой речи. Готова расширять знания и навыки в области обработки изображений.

Machine Learning Engineer с более чем 5-летним опытом коммерческой разработки. Эксперт в области построения и оптимизации ML-моделей, обработки изображений и NLP. Обладаю глубокими знаниями в Python, TensorFlow, PyTorch, MLFlow, ONNX. Имею опыт работы с LLM, RAG, RuBERT, Whisper, Vosk, а также в развертывании ML-сервисов в Kubernetes. Активно использую инструменты Docker, Git, AWS, Azure, GCP.

Machine Learning Engineer с более чем 3-летним опытом коммерческой разработки. Эксперт в области NLP, оптимизации моделей машинного обучения и построения ETL-конвейеров. Обладаю глубокими знаниями в Python, PyTorch, FastAPI, Docker, Airflow. Имею опыт работы с LLM (Llama, GPT-3.5, Mistral), BERT, Stable Diffusion. Опыт развертывания ML-сервисов в GCP, AWS, DigitalOcean, а также интеграции ML-моделей с API и мессенджерами. ПРОФЕССИОНАЛЬНЫЕ НАВЫКИ: ● Разработка и развертывание ML-моделей для анализа текста, NLP и генерации контента ● Работа с большими языковыми моделями (Llama, GPT-3.5, Mistral, BERT) ● Тонкая настройка моделей и оптимизация инференса (BERT, Llama 2, GPT-3.5) ● Компьютерное зрение и генерация изображений (Stable Diffusion) ● Обучение моделей анализа текстов и транскрибации (BERT, Llama 2) ● Работа с Hugging Face Transformers: Использование библиотеки Hugging Face для тонкой настройки и оптимизации моделей (BERT, Llama 2, GPT-3.5) в различных проектах. ● Интеграция OpenAI, Cohere, Claude: Работа с API OpenAI, Cohere и Claude для задач генерации текста, анализа и оптимизации моделей. ● Интеграция ML-моделей в бизнес-процессы (автоматизация для малого и среднего бизнеса в США) ● Развертывание ML-сервисов и API (FastAPI, Docker, Kubernetes) ● Создание ETL-конвейеров для обработки данных (Airflow, SQL, BigQuery, PostgreSQL) ● Мониторинг и тестирование ML-моделей (Prometheus, Git) ● RAG, специализированное обучение на данных. ● Работа в Agile-командах (Jira, Confluence)

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.