ML Engineer / AI Engineer / Machine Learning Engineer

Был вчера в 15:07

150 000 ₽

35 лет (родился 23 сентября 1990), не состоит в браке, детей нет

Москва

Занятость

полная занятость

Гражданство

Россия

Контакты

Телефон

Почта

Будут доступны после открытия

Профессиональные навыки

Python
Github
АСУ ТП
Docker
Промышленная робототехника
CUDA
Computer vision
DevOps
Jupyter Notebook
Linux
Показать еще

Фото, имя и контакты доступны только авторизованным пользователям

Опыт работы 3 года и 3 месяца

- Сентябрь 2022 – работает сейчас
- 3 года и 3 месяца
Исследователь / аналитик
Исследовательская работа и проекты в области аналитики и ML, Москва
IT, Автоматизация
Обязанности и достижения:
Стек: Python (Django, Flask, FastAPI), SQL/PostgreSQL, ML/DL, Docker/Kubernetes (k8s), Data Visualization (Streamlit, Marimo), CI/CD (GitHub Action, GitLab CI), Git, Scikit‑learn, TensorFlow, PyTorch, CV (YOLO), Supervision, DevOps, Linux (Ubuntu, Astra Linux), Jupyter Notebook, ETL. 1. Персональный веб-профиль (https://vizitsa.vercel.app/) 2. Data Visualization & Analytics: - интерактивный анализ данных Росстата с использованием Streamlit (Pandas, Plotly) (https://rfpopulate.streamlit.app/) - концепт инструмента оценки рентабельности строительных проектов с бизнес-логикой на Python (https://rfipsy.streamlit.app/) 3. Web & API Development: - English Word Generator концепт образовательного приложения с генерацией слов/изображений и текста-в-речь (FastAPI, NLP) (https://github.com/Aimnew/english-word-book/blob/main/README.md) 4. AI/ML Solutions: - Новостной агрегатор с NLP-обработкой через OpenRouter (Python, BeautifulSoup, Transformers). Кросс-платформенная публикация TG → Яндекс Дзен. 5. Обработка потокового видео на клиент-серверной архитектуре (Клиент веб камера ноутбука, сервер Rasberry Pi). Использование YOLO/OpenCV/Supervision для задач детекции, классификации, сегментации объектов) 6. Подготовка ML моделей: сбор и предобработка данных, обучение, анализ качества, оптимизация нейронных моделей. 7. Умение читать и понимать научные статьи. 8. Подготовка ML моделей: сбор и предобработка данных, обучение, анализ качества, оптимизация моделей. 9. Разработка и внедрение AI-решений для автоматизации и оптимизации бизнес-процессов. 10. Применение LLM и AI-агентов для решения практических бизнес-задач. 11. Интеграция (парсинг) и обработка данных из API, баз данных и файлов. Работа с ML-моделями, контейнеризация, LLM, Computer Vision. Разработка моделей и алгоритмов машинного обучения для задач классификации, кластеризации, сегментации.
- Сентябрь 2022 – сентябрь 2025
- 3 года и 1 месяц
Управление проектами и инженерный опыт
Другой опыт, Москва
Строительство социальных объектов (Школы, Садики, Спортивные объекты (ФОК, бассейн, и т. д.)); Строительство жилищное; Строительство дорожное и инфраструктурное; Реконструкция
Обязанности и достижения:
10 лет опыта в строительной сфере (с апреля 2016 по н/в). - Участвовал в проектах с бюджетами до 1 млрд. ₽ и сроками 1–3 года. - Управлял командами до 5 специалистов, организовывал взаимодействие подрядчиков и госорганов. - Контролировал выполнение графиков и бюджета, внедрял аналитику для оценки рисков и качества. - Автоматизировал документооборот и отчётность → снижение задержек и ошибок. - Анализировал проектную документацию, формировал отчёты для экспертизы и управленческих решений. - Работал с государственными реестрами и технической документацией → опыт обработки больших объемов разнородных данных. Ключевые результаты: - Успешное завершение объектов (многоквартирные жилые дома, реконструкция РАНХиГС, ковид-госпиталь, Училища олимпийского резерва и др.) в срок и в рамках бюджета. - Минимизация рисков за счёт системного контроля сроков и ресурсов. - Опыт интеграции данных из разных источников (финансы, подрядчики, госэкспертиза) для управленческих решений.

Образование

- Магистр
- Очно-заочная
- 2025
Московский технический университет связи и информатики, Москва (https://mtuci.ru/)
Факультет: Интеллектуальные системы в управлении и автоматизации» (ИСУиА)
Специальность: Автоматизация технологических процессов и производств (Системы искусственного интеллекта промышленного интернета вещей)
- Высшее образование
- 2016
Поволжский Государственный Технологический Университет, Йошкар-Ола (http://www.volgatech.net)
Факультет: Институт строительства и архитектуры
Специальность: Инженер
- Среднее специальное образование
- 2012
Кировский Государственный Колледж Строительства, Экономики и Права - филиал ГОУ ВПО “МосковскийГосударственный Университет Геодезии и Картографии”, Киров (http://www.ksccel-miigaik.ru)
Факультет: Строительство зданий и сооружений
Специальность: Техник

Обо мне

Дополнительные сведения:

Мой опыт в строительстве дал практику работы с большими разрозненными данными о проектах, бюджетах и графиках, а также управление сложными процессами. Сейчас я развиваю это в области Data Engineering и ML, где важны те же навыки структурирования, автоматизации и анализа данных. Объединяю экспертизу в строительстве с актуальными IT-навыками: Python (Django, Flask, FastAPI), SQL/PostgreSQL, ML/DL, Docker/Kubernetes (k8s), Data Visualization (Streamlit, Marimo), CI/CD (GitHub Action, GitLab CI), Git, Scikit‑learn, TensorFlow, PyTorch, CV (YOLO), Supervision, DevOps, Linux (Ubuntu, Astra Linux), Jupyter Notebook, ETL. Опыт работы с промышленным манипулятором KUKA (настройка, программирование на KRL, интеграция). Автор публикаций в научных журналах в области ИИ и автоматизации в промышленности, уделяя особое внимание анализу данных, машинному обучению и компьютерному зрению, участник AI Journey Science 2025. Ключевые качества: - Сбор, предобработка, разметка данных (ETL); анализ качества разметки и балансировка классов. Поиск и пути решения улучшения метрик обучения. - Разметка данных в CVAT / Label Studio / Roboflow. - Практика обучения моделей детекции/классификации/сегментации и работы с видео-данными (YOLO). - Оценка качества (mAP, Precision, Recall, F1), анализ ошибок и подготовка отчетов. - Работа с LLM (интеграция через API OpenAI, Hugging Face, Mistral, OpenRouter, Claude). - Запуск и развертывание моделей локально (настройка inference-серверов (Ollama), оптимизация ресурсов, работа с GPU/CPU окружениями). - Опыт настройки CUDA и обучающих окружений для GPU, оптимизация вычислений. - Навыки конвертации и оптимизации моделей: ONNX, TensorRT. - Опыт контейнеризации (Docker) и создания API (FastAPI/Flask). - Практический опыт развертывания и интеграции AI-моделей в реальные системы. - Способность быстро осваивать новые фреймворки и библиотеки. - Готовность к решению сложных инженерных задач. Готов обсуждать как полноценный переход в инжиниринг, так и гибридные роли на стыке данных и управления (Project Manager, Data Scientist Manager, ML Product Manager, AI Product Manager, Lead Analytics). Открыт к сложным задачам, готов глубоко погружаться в предметную область.