Viktor Andriichuk

Моя основна спеціалізація — створення комплексних систем на основі великих мовних моделей (LLM). Маючи глибокі знання у розробці бекенду на Python, машинному навчанні, DevOps та інженерії даних, я створюю комплексні рішення «під ключ», які можу реалізувати самостійно. Водночас я співпрацюю з мережею фахівців у суміжних галузях, які можуть допомогти або прискорити розробку (наприклад, розробка фронтенду, UX/UI, налаштування безпеки).

Навички:

Я досконало володію програмуванням на Python і маю великий досвід роботи з фреймворками та технологіями, такими як FastAPI і Flask, що дозволяє створювати застосунки, які повністю відповідають стандартам RESTful API, а також рішення на основі WebSockets. Мої навички також охоплюють керування базами даних, такими як MongoDB та PostgreSQL. Я використовую сучасні підходи до валідації вхідних даних, зокрема за допомогою бібліотек Pydantic, а також Redis для кешування. Я вмію створювати рішення з відкладеним виконанням задач за допомогою Celery, забезпечуючи їх асинхронне виконання. Останнім часом я переважно зосереджуюсь на розробці асинхронних застосунків, хоча чудово розумію, коли краще використовувати асинхронний підхід, а коли синхронний, а також коли обирати багатопроцесні або багатопотокові рішення. Для швидкого та ефективного розгортання масштабованих застосунків я використовую Docker. У рішеннях, де потрібна висока надійність обробки даних та гарантована доставка повідомлень, я застосовую брокери повідомлень, такі як RabbitMQ або Kafka.

Моя спеціалізація в галузі машинного навчання зосереджена на великих мовних моделях (LLM). Я маю доведений досвід розробки як простих, так і складних ботів із використанням передових інструментів, таких як LangChain, LangGraph і LlamaIndex. Я успішно впровадив системи Retrieval-Augmented Generation (RAG), які інтелектуально відповідають на основі даних із бази знань, підвищуючи точність і релевантність автоматизованих відповідей. Я створював системи, що витягують структуровані дані з неструктурованих джерел (pdf, xls, docs, txt) для ефективного пошуку інформації за допомогою семантичного пошуку за векторами або графами. Крім того, я розробляв просунутих розмовних агентів, використовуючи агентні фреймворки, що значно розширює можливості цих систем у динамічних реальних сценаріях.

Я можу створювати рішення як на ваших серверах, так і в хмарі.

Мої навички в галузі інженерії даних демонструються через використання сервісів AWS, зокрема Glue, Athena, Aurora, RedShift і Quicksight, а також оркестрацію даних за допомогою Airflow і забезпечення їх цілісності за допомогою dbt і Great Expectations. Розширена аналітика та обробка великих даних здійснюються з використанням платформ, таких як Spark, Snowflake, і інтеграцій, таких як AWS Lambda Functions і OpenSearch.

Останні досягнення:

• Під моїм керівництвом технічна команда розробила оновлений основний продукт платформи, що прискорило розробку клієнтських ботів у 40 разів і знизило вартість таких ботів у 80 разів.
• Я ініціював розробку прозорої та справедливої системи оцінки наших технічних спеціалістів, яка також включає ефективний метод розрахунку заробітної плати. Ця система гарантує визнання і оцінку внеску кожного, що сприяє позитивній робочій атмосфері.
• Завдяки розробленим мною стандартам, розгортання оновлень прискорилося в 10 разів.

Технічні навички: 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 за допомогою 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.