ВГ
Владимир Г.
Мужчина, 20 лет
Россия, Челябинск, UTC+5
Ставка
3 636,36 Р/час
НДС не облагается
Специалист доступен с 1 августа 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
Английский — B1
Главное о специалисте
Специализируюсь на кейсах с LLM под капотом, которые встраиваются в продукты или оптимизируют бизнес-процессы в компаниях. Моя цель - применять AI-технологии так, чтобы бизнес мог осваивать ранее недоступные для него возможности. Кроме того, владею классическими и глубокими методами машинного обучения. Есть опыт работы с FastAPI, SQLAlchemy, Celery, RabbitMQ, а также опыт написания юнит-тестов с помощью PyTest. Совершенствую свои навыки, участвуя в профессиональном сообществе, читая новую литературу и побеждая в международных соревнованиях.
Проекты
(7 месяцев)
Разработка корпоративного LLM-помощника для работы с документацией компании
Роль
ML-инженер
Обязанности
Разработка поисковой системы по документации компании на основе архитектуры Retrieval-Augmented Generation (RAG).
Результаты работ:
- Провел исследование наилучших практик, применяющихся в разработке RAG-систем.
- Построил базовый пайплайн RAG-системы с помощью фреймворков Langchain, Ollama и LLM серии Qwen3.
- Реализовал API-сервис для работы с базовым RAG-пайплайном с помощью фреймворка FastAPI.
- Изучил и реализовал деление на чанки и векторизацию как этапы препроцессинга данных в RAG-системе.
- Изучил и реализовал сохранение векторных данных в базу, поиск по базе и извлечение наиболее подходящих результатов поиска с помощью векторной базы данных Qdrant.
- Развернул в изолированном локальном контуре систему, включающую API-сервис, Ollama и базу данных Qdrant.
Стек специалиста на проекте
Docker, Python, Kubernetes, GitHub, FastAPI, Jupyter, SmartGit, Docker Compose, Poetry, Qdrant, Framework, langchain, Lens, llm, ruff, qwen3, ollama
Отрасль проекта
HRTech
Период работы
Май 2025 - По настоящее время
(4 месяца)
R&D по системам автоматического распознавания речи (ASR)
Роль
ML-инженер
Обязанности
Исследования в рамках разработки системы перевода речи в текст для автоматического обнаружения ошибок и определения уровня соответствия переговоров диспетчеров и машинистов внутреннему регламенту.
Результаты работ:
- Провел сравнение различных подходов к автоматическому распознаванию речи
- Проанализировал существующие способы оценки качества ASR и на их основе разработала концепцию смешанной метрики
- Исследовал существующие модели ASR
- Изучал методы распознавания именованных сущностей и их применение в задачах ASR
- Разработал пайплайн распознавания шаблонов в тексте в соответствии с заданными протоколами
- Провел сравнительный анализ различных способов улучшения качества звука, включая работу с частотами, алгоритмические подходы и модели глубокого обучения
- Проводил дообучение модели Whisper c помощью адаптера LoRA с целью повышения качества работы модели на данных, специфичных предметной области: на существующих аудиоданных с применением ресемплирования, а также на искусственно сгенерированном датасете с помощью моделей перевода текста в речь.
Стек специалиста на проекте
Python, GitHub, Numpy, PyTorch, Jupyter, Python2, Whisper, transformers, Нейронные сети, SpaCy, библиотеки, vosk, рекурентные
Отрасль проекта
Logistics & Transport
Период работы
Февраль 2025 - Май 2025
(4 месяца)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Да
Образование
Высшее
Учебное заведение
Южно-Уральский государственный университет
Специальность
02.03.02 Фундаментальная информатика и информационные технологии
Завершение учебы
2026 г.