Игорь Р. IOS разработчик, Senior

Среды разработки: Swift Архитектурные паттерны: MVC, MVP, Viper, Clean База данных: CoreData, Realm Инструменты прототипирования дизайна: Sketch, Figma Библиотеки: Core Date, CoreAnimation, AVfoundation, Combine(со SwiftUI) Map Kit, Contacts, Call Kit, Alamofire и Charts Особенности: Отличные Soft skills, исполнительность

Ключевые навыки: SwiftUI Combine PromiseKit SwiftGen UnitTests, SnapshotTests Swagger Figma GitLab Jira Confluence, Mattermost * MVVM+C, MVP, VIP * SwiftUI, UIKit, SnapKit * Alamofire, Moya, Postman, Swagger * MapKit, Yandex MapKit * CoreData, Firebase * Figma, Gitlab, Jira SwiftUI, UIKit, PromiseKit, Combine, Firebase, CoreData VIPER Foundation, UIKit, AVFoundation

работаю в команде, устойчив к часто меняющимся условиям, вовлечен в проект

Выпускник математико-механического факультета СПбГУ с фундаментальной подготовкой в алгоритмах и системном программировании. За годы работы в Яндексе и X5 Tech спроектировал и вывел в прод десятки критически важных сервисов, руководя командами и формируя техническую культуру. В JetBrains создаю платформу MLOps, автоматизирующую инфраструктуру ML-экспериментов в AWS и GCP, совмещая глубокие знания Java-стека с DevOps-подходами. Эксперт в микросервисной и event-driven архитектуре, CI/CD и современном облачном стеке; умею превращать сложные требования в надёжные, масштабируемые решения. Рекомендации и сертификаты AWS Solutions Architect Associate GCP Associate CKAD Полуфиналист чемпионата мира по программированию ACM ICPC

Был опыт работы с graphql, делал большие приложения тоже. Использовал Mui и с ним был опыт. Видео и аудио тоже был различный опыт, не уровень ютуба, но для платформы с курсами.

Знание основных протоколов маршрутизации LAN/WAN, коммутации LAN, SAN. Умение работать с сетевым оборудованием Cisco, Extreme, Brocade, HP. Знание английского языка (технический английский); Наличие сертификата MCSA.

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.