Моя основная специализация — это создание комплексных систем на основе больших языковых моделей (LLM). Имея глубокие знания в области разработки бэкенда на Python, машинного обучения, DevOps и инженерии данных, я разрабатываю решения «под ключ». То есть я способен самостоятельно создать проект от начала до конца. Однако, я также хорошо знаком с множеством специалистов из смежных областей, которые могут помочь или ускорить разработку (например, создание фронтэнда, UX/UI, настройка безопасности).
Навыки:
Я отлично владею программированием на Python и имею обширный опыт работы с такими фреймворками и технологиями, как FastAPI и Flask, для создания приложений, которые полностью соответствуют стандартам RESTful API, а также решений на основе веб-сокетов.
Мои навыки также включают управление базами данных, такими как MongoDB и PostgreSQL. Я применяю современные подходы к валидации входящих данных с использованием библиотек, таких как Pydantic, а также Redis для кеширования.
Я умею создавать решения с отложенным выполнением задач с помощью Celery, в том числе обеспечивая их асинхронное выполнение. В последнее время я преимущественно разрабатываю асинхронные приложения, но, конечно, понимаю, когда лучше использовать асинхронный, а когда синхронный подход, а также когда выбрать многопроцессные или многопоточные решения.
Для быстрого и эффективного развертывания масштабируемых приложений я использую Docker. В решениях, где требуется повышенная надежность обработки данных и гарантированная доставка, я использую брокеры сообщений, такие как RabbitMQ или Kafka.
Моя специализация в области машинного обучения сосредоточена на больших языковых моделях (LLM).
Я имею доказанный опыт разработки как простых, так и сложных ботов с использованием передовых инструментов, таких как LangChain, LangGraph и LlamaIndex.
Я успешно реализовал системы Retrieval-Augmented Generation (RAG), которые интеллектуально отвечают на основе данных из базы знаний, повышая точность и релевантность автоматизированных ответов. Я создавал системы, которые извлекают структурированные данные из неструктурированных источников (pdf, xls, docs, txt) для эффективного поиска информации с использованием семантического поиска по векторам или графам.
Кроме того, я разрабатывал продвинутых разговорных агентов, используя агентные фреймворки, что значительно расширяет возможности этих систем в динамичных реальных сценариях.
Я могу создавать решения как на ваших серверах, так и в облаке.
Мои навыки в области инженерии данных демонстрируются через использование сервисов AWS, включая Glue, Athena, Aurora, RedShift и Quicksight, а также оркестрацию данных с помощью Airflow и обеспечение их целостности с использованием dbt и Great Expectations. Продвинутая аналитика и обработка больших данных осуществляется с использованием платформ, таких как Spark, Snowflake, и интеграций, таких как AWS Lambda Functions и OpenSearch.
Последние достижения:
- Под моим руководством техническая команда создала обновленный основной продукт платформы, что ускорило разработку клиентских ботов в 40 раз и снизило стоимость таких ботов в 80 раз.
- Я инициировал разработку прозрачной и справедливой системы оценки наших технических специалистов, которая также включает эффективный метод расчета заработной платы. Эта система гарантирует признание и оценку вклада каждого, что способствует положительной рабочей атмосфере.
- Благодаря разработанным мной стандартам, развертывание обновлений ускорилось в 10 раз.
Технические навыки: Python, FastAPI, Flask, RESTful API, MongoDB, PostgreSQL, Mongo Engine, Pydantic, Celery, Docker, Alembic, Redis, RabbitMQ, Unittests, pytest, OpenTelemetry, LLM, LangChain, LangGraph, LlamaIndex, ElasticSearch, Git, GitHub Actions, Streamlit, Nginx, CI/CD с помощью GitLab, AWS Glue, AWS Athena, AWS Aurora, AWS StepFunctions, AWS RedShift, AWS Quicksight, AWS S3, AWS Lambda Functions, OpenSearch, Spark, Snowflake, dbt, Great Expectations, numpy, Airflow, React, Full Stack.
