Опыт работы
AI Architect & Team Lead | Nordavind
Пришел в компанию как ведущий разработчик после победы в хакатоне. Быстро вырос до архитектора и лида AI-направления, где проектировал и внедрял сложные AI-решения.
Ключевые достижения:
- Виртуальный ассистент «Ask Handy»: Спроектировал и возглавил разработку. Повысил точность ответов на 30% и снизил время ответа на 40% за счет оптимизации RAG-пайплайна.
- Корпоративный поисковый ассистент: Разработал RAG-архитектуру с query chains для анализа внутренних документов. Ускорил поиск информации для сотрудников на 60%.
- Руководство командой: Сформировал и руководил командой из 3 разработчиков, внедрил практики код-ревью и CI/CD, что ускорило цикл разработки на 25%.
Стек: LangGraph, RAG, Query Chains, Neo4j, ChromaDB, FastAPI, Docker.
Стажёр IT-отдела | Golibas Telecom
Получил первый практический опыт в IT. Помогал в поддержке сетевой инфраструктуры, освоил основы администрирования и написал первые скрипты на Python для автоматизации рутинных задач.
Образование
НИУ ИТМО (2025–2027)
Магистр, Проектирование и разработка систем ИИ.
Университет «Дубна» (2021–2025)
Бакалавр с отличием, Информатика и ВТ.
МФТИ (2024–2025)
Диплом о проф. переподготовке, Специалист по анализу больших данных.
Проекты и Достижения
Система генерации текстовых миров (Quip-Quill)
Разработал прототип модульной платформы для интерактивных текстовых игр с мультиагентным подходом (LangGraph) и гибридной памятью (Neo4j + ChromaDB). Проект лег в основу магистерской диссертации.
Посмотреть на GitHubФиналист «Я — профессионал»
Вышел в финал всероссийского студенческого конкурса по направлениям "Искусственный интеллект" и "Программная инженерия".
RL-агент для игры «Рэндзю»
Агент на основе Deep Q-learning с приоритетным воспроизведением опыта. Включает веб-интерфейс для визуализации поведения и метрик обучения.
РепозиторийGraphRAG как долговременная память для LLM-агента
На летней школе от AIRI реализовал PoC-решение, сравнив эффективность GraphRAG с классическим RAG. Результаты показали превосходство графового подхода в задачах, требующих сохранения сложного контекста.
Навыки
Языки
Python (Advenced) C++ C# HTML,JS,CSSAI/ML
PyTorch TensorFlow Scikit-learn LangChain LangGraph LLM Fine-tuning RAG GraphRAG Multi-agent systemsБазы данных
Neo4j ChromaDB PostgreSQLИнструменты
Docker Git FastAPIПедагогический опыт
Преподаватель Python | Школа «Алгоритмика»
Вел курсы по базовому и продвинутому Python. Помогал школьникам реализовывать проекты по анализу данных и машинному обучению.
Преподаватель Летней Школы | Университет "Дубна"
Провел интенсивный курс по основам классического RAG для старшеклассников.