ML Engineer

На данный момент Middle ML Engineer / LLM Engineer.

Мои компетенции и опыт

TG: нужен доступ к резюме

Middle ML Engineer с более чем 3 годами коммерческого опыта в разработке и выводе в продакшен систем машинного обучения.

Специализируюсь на NLP, генеративном ИИ (LLM, RAG-системы, мультиагентные пайплайны) и классическом ML на табличных данных (градиентный бустинг, скоринг, прогнозирование оттока).

КЛЮЧЕВЫЕ КОМПЕТЕНЦИИ:

• LLM & RAG: проектирование и внедрение production-ready RAG-пайплайнов (гибридный поиск BM25 + dense, реранкинг, оценка галлюцинаций), оркестрация агентов (LangGraph, tool-calling), PEFT дообучение открытых моделей (LoRA/QLoRA).

• NLP & Classic ML: классификация и маршрутизация текстов (RuBERT, ONNX Runtime), извлечение структурированных данных. Построение предиктивных моделей (CatBoost), глубокий фиче-инжиниринг, интерпретация моделей с помощью SHAP.

• MLOps & Backend: оптимизация инференса моделей (vLLM, continuous batching, AWQ квантование), разработка отказоустойчивых асинхронных API (FastAPI, Redis), контейнеризация (Docker), версионирование экспериментов и моделей (MLflow).

ТЕХНОЛОГИЧЕСКИЙ СТЕК:

• Языки и хранение данных: Python, SQL (PostgreSQL), Redis, векторные БД (Qdrant)

• ML / DL: PyTorch, Hugging Face Transformers, Scikit-learn, CatBoost, LightGBM

• LLM-инфраструктура: vLLM, LangGraph, LangChain, LoRA / QLoRA, Ragas

• Инженерия и MLOps: FastAPI, Docker, MLflow, ONNX Runtime, Git, Linux, PyTest, pandas, NumPy

ПОДХОД К РАБОТЕ:

Ориентируюсь на понятный бизнес-результат и надежность сервисов: перевожу задачи продукта в точные ML-метрики, пишу чистый поддерживаемый код, уделяю внимание оптимизации скорости инференса (latency) и мониторингу качества моделей в продакшене.