ML Engineer

Текущий статус/должность: ML Engineer.

Мои компетенции и опыт

Навыки

Языки программирования: Python, SQL (PostgreSQL, Microsoft SQL Server, MongoDB)

ML / Data:
Pandas, NumPy, scikit-learn, PyTorch, TensorFlow
Классификация, работа с признаками, предобработка данных, обучение и оценка моделей

LLM: Transformers (Hugging Face), Tokenization, Prompt Engineering.

LLM Security: Prompt Injection, Jailbreaking, Adversarial Attacks

Local LLM:Работас Ollama, Llama 3, Qwen 2.5, dolphin-mistral, Phi-3 идругими

Backend:
Telegram Bot API, REST API, работасвнешними API, JSON, SQLite

Общее:
ООП, Git, Docker, Linux

Английский: B1–B2

Опыт

Учебные и прикладные проекты

ML-проект: анализ почерка (командная разработка)

Python, Pandas, scikit-learn, TensorFlow

Задачи: построение прототипа модели классификации по изображениям почерка.

Обязанности: подготовка данных, работа с признаками, участие в обучении модели.

Достижения:

• Подготовил и очистил датасет → улучшил качество обучающих данных
• Участвовал в обучении модели классификации и оценке качества
• Интегрировал модель в backend-прототип → получено рабочее демо

Telegram-бот для подбора учебных материалов

Python, Telegram Bot API, YouTube API, ChatGPT API

Задачи: автоматизация поиска обучающих материалов.

Обязанности: обработка пользовательских запросов, интеграция внешних API.

Достижения:

• Реализовал поиск видео через YouTube API
• Подключил генерацию рекомендаций через ChatGPT API
• Сформировал структурированную выдачу материалов

Python, PyTorch, Hugging Face Transformers, Flask, scikit-learn

NLP-сервис для нормализации профессионального дискурса на базе LLM. 

Обязанности:

• Дообучение (fine-tuning) моделей семейства T5 (ruT5-base, ruT5-small) на размеченных парах «жаргон → формальный текст»
• Предобработка и подготовка датасетов с помощью Hugging Face Datasets и scikit-learn
• Разработка веб-интерфейса на Flask с поддержкой ручного ввода текста и загрузки файлов (.txt, .docx)
• Интеграция обученной модели в бэкенд и обработка пользовательских запросов

Достижения:

• Реализовал полный цикл LLM-разработки: от сбора и очистки специфичного датасета до дообучения (fine-tuning) моделей семейства T5. Оптимизировал процесс инференса для работы в веб-интерфейсе
• Добился качества перевода: BLEU = нужен доступ к резюме , ROUGE-L = нужен доступ к резюме — модель выдаёт формулировки, близкие к экспертным
• Сократил среднее время подготовки формальных документов на 42%
• Увеличил долю текстов, принимаемых без правок, с 35% до 65%
• Разработал решение с поддержкой нескольких предметных областей (IT, инженерия) и возможностью локального развертывания

(в процессе на нужен доступ к резюме )

PentestLLM — Инструментарий для тестирования безопасности LLM

• Стек: Python, Pandas, LLMs (Llama 3, Phi-3), Ollama, APIs.
• Задачи: Исследование уязвимостей больших языковых моделей к техникам джейлбрейка (jailbreaking) и инъекциям промптов (prompt injections) и другим способам из TOP 10 OWASP и не только.
• Обязанности:
• Достижения (текущие):

Образование

УрФУ — Прикладной искусственный интеллект

О себе

ML разработчик, работаю с алгоритмами машинного обучения, предобработкой данных и построением моделей классификации.
Использую Python, Pandas и scikit-learn для анализа данных и прототипирования решений.
Интересуюсь практическим применением ML, тестированием безопасности LLM и разработкой сервисов вокруг моделей.