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 12 июля 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 8 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
generator, AI, langchain, Media, статистика, сбор данных, Базы данных, llm, API, Selenium, Медиа, Видео, Speech, FastAPI, Pika, Scrapy, BS4, pyrogram, Python, Blockchain, парсинг, Node.js, Machine learning, rag, PostgreSQL, rmq, Промпт-инжиниринг, Декомпозиция и структуризация задач
Отрасль проекта
Media
Период работы
Март 2024 - По настоящее время
(1 год 5 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 5 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.
