АА
Андрей А.
Мужчина, 25 лет
Россия, Москва, UTC+3
Ставка
3 272,72 Р/час
НДС не облагается
Специалист доступен с 31 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
MLOps
Грейд
Навыки
Отрасли
Знание языков
Английский — B2
Главное о специалисте
Инженер с глубокими знаниями в DevOps, MLOps, инфраструктуре высокой доступности и поддержке моделей LLM. Его карьерный путь охватывает несколько технологических вертикалей. Алексей демонстрирует зрелую техническую экспертизу в построении сложных платформенных решений. Он уверенно работает как с высокоуровневыми ML-задачами, так и с низкоуровневой настройкой систем, что делает его сильным кандидатом на роли, связанные с инфраструктурой ИИ, высоконагруженными сервисами и инженерией производительности.
Проекты
(4 года 9 месяцев)
Построение масштабируемой ML-инфраструктуры и реализация production-ready решения для скоринга, взыскания (collection) и оценки ценности клиента (LTV)
Роль
Senior ML engineer
Обязанности
● Полный цикл разработки различных скоринговых, collection и LTV моделей для рынков разных стран и их внедрение
● Разработка новых фичей, тестирование различных источников данных, расчет коммерческой выгоды использования новых источников, разработка необходимых запросов SQL
● Разработка пайплайнов обучения и переобучения моделей на airflow, администрирование сервисов mlflow и clearml для логирования, автоматического перезапуска экспериментов обучения и версионирования датасетов
● Эксперименты, тюнинг гиперпараметров, тестирование различных открытых automl решений, калибровка моделей
● Внедрение моделей в прод в k8s, разработка микросервисов под модели, деплой и интеграция с сервисами компании, мониторинг их работы, участие в разработке CI/CD пайплайнов
● Разработка и внедрение MlOps практик и поддержка инфраструктуры для обучения, качества ноутбуков и кода, код-ревью, ведение репозиториев и веток
● Тестирование гипотез и моделей для персонализации взаимодействия
Достижения
● Повышение точности скоринга на ключевых рынках до 15–20% благодаря инженерной доработке источников и адаптации фичей
● Внедрение инфраструктуры ML lifecycle: автоматическое переобучение, rollback, логирование и monitoring
● Разработка модульного inference-движка, позволяющего подключать новые модели без изменения основного API
● Существенное снижение стоимости ошибок за счёт калибровки моделей и интеграции бизнес-факторов в целевые функции
● Внедрение стандартизированной MLOps-среды, позволившей снизить время разработки и развёртывания моделей на 30%
Стек специалиста на проекте
PostgreSQL, Docker, GitLab, FastAPI, XGBoost, Sklearn, Apache AirFlow, CatBoost, ClearML, MLflow
Отрасль проекта
LifeStyle
Период работы
Ноябрь 2023 - Июль 2025
(1 год 9 месяцев)
Создание внутреннего ассистента для сотрудников Московской Биржи на базе моделей большого языка (LLM) — с возможностью генерации SQL-запросов
Роль
NLP инженер
Обязанности
● Разработка и тестирование моделей Text2SQL, преобразующих пользовательские запросы на естественном языке в корректные SQL-выражения
● Подбор оптимальной архитектуры: Fine-tuning моделей, сравнение подходов (T5, BART, GPT-модификации)
● Создание пайплайна препроцессинга: нормализация запросов, токенизация, проверка логики SQL
● Построение витрин с примерами запросов, синтез новых шаблонов, генерация synthetic data
● Развертывание локальной среды: экспериментальная база, API-интерфейсы для интеграции с внутренними системами
● Автоматизация тестирования моделей и RAG-компонентов
● Сбор обратной связи от пользователей и корректировка логики запроса/ответа
Достижения
● Снижение времени на аналитические задачи у сотрудников: в среднем на 40% по результатам пилотного тестирования
● Достижение высокой точности SQL-генерации по типовым задачам — до 85% match с ручными запросами
● Построен и протестирован RAG-пайплайн, обеспечивающий быстрое извлечение знаний из корпоративной документации
● Создана модульная архитектура: возможность масштабирования ассистента под новые задачи и документы
Стек специалиста на проекте
Docker, SQL, Python, FastAPI, Qdrant, HuggingFace, langchain, gpt, openAI, llm, BART, llamaindex, FAISS
Отрасль проекта
LifeStyle
Период работы
Январь 2024 - Апрель 2024
(4 месяца)
Проекты были ориентированы на задачи в промышленности, спорте, финтехе и e-commerce
Роль
ML / DL engineer
Обязанности
● Работа над различными проектами по машинному обучению
● Тестировал архитектуры и обучал нейронные сети для сегментации временных рядов
● Дообучал opensource решения на базе статей
● Оптимизировал модели для разворачивания на мобильном устройстве. Например обучал легкую модель на предсказаниях сложной.
● Использовал классические методы статистики для подсчета различных параметров
● Тестирование LLM-моделей, разработка промтов, сравнение различных GPT-моделей
● Дообучение GPT и opensource моделей с hugging face
● Разработка LLM-агентов с использованием библиотек langchain и llama-index
● Тестирование и сравнение различных векторных БД
● Разработал ETL-пайплайн, писал микросервисы для сбора, обработки данных, делал интеграцию с S3
● Разворачивал и использовал PySpark для обработки больших неструктурированных данных
● Тестировал архитектуры, реализовывал и обучал кастомные архитектуры, опираясь на статьи и открытые решения
● Создал прогнозную модель для предсказания цен и продаж
● Сделал пайплайн для переобучения модели
● Реализовал микросервисы для апи модели
Достижения
● Разработал систему для классификации типов человеческих движений на производстве для крупной компании по временным рядам с датчиков.
● Разработал RAG-систему для службы поддержки, а также внутреннего взаимодействия для финансовой компании.
● Разработал систему классификации действий игроков на спортивных соревнованиях по их координатам (R & D проект).
● Реализовал систему для аналитики ценообразования для маркетплейсов
Стек специалиста на проекте
PostgreSQL, Docker, SQL, Python, Tensorflow, Spark, FastAPI, XGBoost, PyTorch, Sklearn, Apache AirFlow, Qdrant, S3, MLflow, PySpark, langchain, weaviate, llamaindex, FAISS
Отрасль проекта
LifeStyle
Период работы
Июль 2022 - Ноябрь 2023
(1 год 5 месяцев)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Образование
Высшее
Учебное заведение
Университет ИТМО-
Специальность
Прикладная математика и информатика
Завершение учебы
2024 г.
Высшее
Учебное заведение
Новосибирский национальный исследовательский государственный университет
Специальность
Механико-математический, Прикладная математика и информатика
Завершение учебы
2022 г.
