AI & Robotics
Blockchain
E-commerce & Retail
LifeStyle
Logistics & Transport
Manufacturing
Media
Telecom
Urban technology
Денис П. ML разработчик, Middle+
ID 17406
ДП
Денис П.
Мужчина, 24 года
Россия, Ростов-на-Дону, UTC+3
Ставка
3 246,75 Р/час
НДС не облагается
Специалист доступен с 15 сентября 2025 г.
Добавьте подходящих специалистов в список и оформите заявку для предварительного бронирования времени специалистов. После оформления заявки ваш персональный менеджер организует прохождение всех необходимых проверок с вами и каждым кандидатом из заявки. Специалист привлекается к проекту только после окончательного подтверждения его выхода с вашей стороны.
Подробнее
О специалисте
Специализация
ML разработчик
Грейд
Навыки
Отрасли
Знание языков
Русский — C2
Английский — B2
Главное о специалисте
Опытный ML-разработчик, специализирующийся на сложных проектах в области телекоммуникаций, производства, логистики, городской инфраструктуры, медиа и блокчейна.
Обладает глубокими знаниями и навыками работы с различными технологиями и инструментами, такими как Python 3, C++, Docker, TensorFlow, PyTorch, OpenVINO, Kafka, Hadoop, RabbitMQ, FastAPI и др.
Успешно реализовал несколько проектов, включая разработку модуля для интеграции в среду UE, создание программно-аппаратного комплекса для обнаружения включений шлака в струе жидкой стали, разработку серверного модуля нейросетевого шумо-эхоподавления для ВКС крупного российского банка, а также создание интеллектуальной системы классификации и распознавания аномалий во временных рядах (ИСКРА).
Опыт работы специалиста включает в себя разработку и тестирование гипотез систем компьютерного зрения, реализацию алгоритмов и нейросетевых компонентов для сегментации и классификаций областей на снимках, анализ и визуализацию данных инвестиций в проекты, в blockchain.
Cпособен эффективно решать сложные задачи, связанные с машинным обучением и анализом данных, и обладает навыками разработки и тестирования гипотез, построения архитектуры систем и обеспечения коммуникации с заказчиком. Имеет глубокое понимание принципов работы LLM и построения проектов на их основе.
Имеет большой опыт работы в направлениях анализа данных в направлении DataScience - глубоко погружен в понимание принципов работы БД, теорию реляционных БД, теорию декларативных языков (высокий уровень владения SQL, в т.ч. Теория Реляционных БД - НФ и аномалии НФ) и неформализованных данных.
Глубоко понимает принципы математической статистики, умеет применять наборы инструменты анализа данных (Pandas, NumPy, Scikit-Learn, др.)
Имеет высшее образование по специальности на стыке Программной Инженерией и Прикладной Математикой (Математическое Обеспечение).
Проекты
(3 года 10 месяцев)
Комплекс автоматизированных медиа ресурсов на базе LLM
Роль
ML Engineer | Team Lead
Обязанности
Описание проекта:
Проект представляет собой несколько блогов и аккаунтов в социальных сетях, занимающихся публикацией статистических данных и новостей из области blockchain, с возможностью их быстрого количественного масштабирования.
Проект реализует 3 основные задачи:
1. Сбор данных и новостных статей, как по средствам парсинга с использованием selenium, bs4, scrapy и Pyrogram так и их получение с использованием сторонних api. (Retrieval-система)
2. Создание медиа контента: выбор темы и источников информации, написание публикаций и статей с использованием RAG (Retrieval-augmented generation) систем с ChromaDB для написания обзорных статей, а также их верификация с использованием LLM и Langchain агентов, создание сопровождающих изображений с использование генераторов, графическое представление статистических данных, генерация видео контента и его озвучки с использованием Text-to-Speech моделей.
3. Публикация подготовленного контента на целевых ресурсах, по двум конвейерам : согласно плану публикаций и по решению LLM агентов об актуальности в данный момент.
Архитектурно проект разбит на отдельные сервисы по 4м основным группам:
парсеры на python с FastAPI; генераторы на python с взаимодействием через RMQ и Pika; контент менеджеры, ответственные за обращение к DB и инициализацию конвейеров на Node.js; сервисы публикации на Node.js.
Обязанности в проекте:
В качестве TeamLead: Декомпозиция и верификация задач, построение архитектуры, обеспечение коммуникации с заказчиком.
В качестве ML Engineer: Разработка Langchain агентов; построение эффективных промтов; разработка сервисов парсинга данных и генерации контента с использованием AI технологий.
Сервисы генерации построены с применением Python 3
Достижения
Автономная работа нейро-новостного агентства
Стек специалиста на проекте
PostgreSQL, API, Node.js, Python, Selenium, Медиа, Видео, Machine learning, Базы данных, Speech, FastAPI, Scrapy, Blockchain, BS4, Декомпозиция и структуризация задач, Pika, pyrogram, Media, langchain, AI, сбор данных, парсинг, llm, статистика, rag, rmq, Промпт-инжиниринг, generators
Отрасль проекта
Media
Период работы
Март 2024 - По настоящее время
(1 год 7 месяцев)
Конвейер тестирования моделей LLM и их агентной конфигурации в рамках виртуальной окружающей среды
Роль
ML Engineer
Обязанности
Описание проекта:
Проект представляет собой конвейер тестирования LLM в рамках симуляции виртуальной среды (сервер Minecraft) путем оценки степени адаптации к окружающей среде (Reinfаorcement Learning) на базе проекта Voyager.
В рамках проекта построен конвейер апробации различных моделей и LangChain агентов на их базе для оценки их адаптации к окружающей среде.
Работа конвейера приставляет собой деятельность 4х агентов:
1) ActionAgent – Генерация кода выполнения атомарной задачи, предоставленной CurriculumAgent
2) CurriculumAgent – Декомпозиция задачи поставленной человеком и построение плана ее выполнения с учетом текущего состояния окружающей среды.
3) CriticAgent – Оценка декомпозиции задач, на возможность выполнения плана действий, также верификация работоспособности ответа ActionAgent и степени выполнения задачи по результатам совершенных действий.
4) SkillManager – Создание и менеджмент навыков, созданных ActionAgent на основе оценки их эффективности CriticAgent, оценка возможности применения уже известных навыков при получении новой атомарной задачи от CurriculumAgent, хранение и валидация системы навыков реализована с использованием распределенных вычислений Spark.
Дополнительно в рамках тестирования работа CurriculumAgent была построена в нескольких вариантах: прямого указания к декомпозиции поставленной задачи, согластно структуре иерархического планирования, построение действий и практик согластно семиотической модели субъективного познания.
Конвейер был апробирован с использованием сетей : Llama, YandexGPT, Bert, LFM-40b В частности, такие модели как LLaMA, BERT и др. разворачивались с применением моделей Hugging Face
Достижения
Заинтересованность в проекте представителей банковской сферы
Стек специалиста на проекте
Python, Testing, NLP, Декомпозиция и структуризация задач, Менеджмент, HuggingFace, Bert, langchain, leasing, Voyager, llm, сервер, llama
Отрасль проекта
AI & Robotics
Период работы
Март 2023 - По настоящее время
(2 года 7 месяцев)
Комплекс агентов консультации на базе LLM
Роль
ML Engineer
Обязанности
Проект представляет собой несколько чат-ботов на базе LLM (Giga-chat)
Первый бот – консультатнт при продаже автомобилей, должен отвечать на вопросы о характеристиках авто, согласно имеющейся в базе данных информации, предоставлять историю дтп из автотеки, а также при необходимости записывать пользователя на тест драйв или звонок от оператора
Второй бот – консультатнт при проблемах с автомобилем, должен по описанию проблемы от пользователя и информации о марке и модели его автомобиля находить в базе обращений в СТО подобные случае и объяснять, на их основе, пользователю что может быть причиной проблемы и как ее можно решить.
Для реализации эффективного взаимодействия с данными об обращениях построена векторная база знаний на основе эмбедингов причин обращений, с построением собственной несупервизированной Word2Vec embedding модели с целью построения векторного построения слов - ключевых причин обращения пользователя.
Также, оба бота должны рассказывать пользователю об услуга в приложении и рекомендовать ему их, когда это соответствует контексту диалога.
Обязанности в проекте:
Разработка Langchain агентов; построение эффективных промтов, Разработка сервиса для общения с ботами, Построение и организация суммаризированной базы знаний по проблемам с автомобилем. В рамках проекта применяется кастомная RAG-система, дополняющая запрос информацией об Авто.
Сервисы ботов построены в рамках микросервисной архитектуры на Python + FastAPI с применением Langchain агентов и интеграцией для них необходимых инструментов взаимодействия с базами данных и взаимодействия с 1C инфраструктурой заказчика.
В рамках проекта применяется методология Agile с фреймворком Scrum. Для управления проектными задачами применяется Atlassian Jira, в качестве системы управления знаниями применяется Atlassian Confluence. Работа над проектом производится в рамках GitLab CI, развернутого в рамках ИТ инфраструктуры Заказчика.
Стек специалиста на проекте
PostgreSQL, API, Python, Базы данных, FastAPI, Blockchain, 1С, langchain, AI, парсинг, llm, gigachat, Промпт-инжиниринг
Отрасль проекта
Urban technology
Период работы
Ноябрь 2024 - Январь 2025
(3 месяца)
Формат работы
Тип занятости
Фулл-тайм, Парт-тайм (4 ч/день)
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Да
Образование
Высшее
Учебное заведение
Донской государственный технический университет
Специальность
Математическое обеспечение и администрирование информационных систем (Бакалавриат)
Завершение учебы
2023 г.
Высшее
Учебное заведение
Донской государственный технический университет
Специальность
Искусственный интеллект в медиа технологиях (Магистратура)
Завершение учебы
2025 г.
