В этой компании AI начался с меня: - Полностью с нуля спроектировал и выстроил всю AI-инфраструктуру компании на базе On-Premise решений, обеспечив полную изоляцию данных внутри локального контура. Сопровождал проектирование созданием детальной технической документации в Confluence и архитектурных схем в Excalidraw. - Прошел от аналитики, прототипирования, создания Dev-окружения до Production как для базовой AI инфраструктуры, так и для конечных агентских продуктов. - Спроектировал и внедрил комплексную экосистему AI, от интеллектуальных агентов поддержки до систем классификации и мультимодального поиска по сверхсложному контенту (смешанные документы Docx/PDF с текстом, таблицами, диаграммами и изображениями). Какие задачи решал: - Семантический и точный поиск по текстовым данным - Семантический по изображениям (Текстовые запросы и текст + изображения) - Сложный семантический поиск по смешанным документам со смешанным содержанием (Docx, Excel, PDF с текстом, картинками, диаграммами сканами и прочим контентом) - Классификация текста - Создание агентских цепочек - Отладка промптов - Ресёрч актуальных подходов для решения тех или иных задач с AI - Системный анализ и сбор требований, декомпозиция эпиков на технические задачи в Jira для смежных отделов. - Особенно удавалось находить решения для совсем как многим могло бы показаться безнадёжных ситуаций. В целом занимался: - Разработка графов с агентскими цепочками на базе фреймворков LangGraph / LangChain - Визуализация и проектирование логики работы агентов (Flow и Sequence диаграммы) для согласования архитектуры с руководством. - Созданием агентских цепочек для продуктов клиентов компании - Созданием внутренних агентских цепочек для сотрудников компании - Построением RAG пайплайнов для разных задач - Настройкой локального помощника для написания кода Об агентах которых делал: - Агенты для консультации по товарам компании - Агенты поддержки клиентского сервиса - Агенты поиска и консультации по неструктурированным документам (Docx, Excel, PDF) для разных отделов компании - Агенты оценки С чем работал по стеку (в скобках раскрываю для чего именно в этой компании применяется): - vLLM (для высоконагруженного инференса) - Ollama (использовал для базового инференса, быстрого развертывания моделей для проверки) - LiteLLM (проксирование, низкоуровневое логирование и контроль доступа к LLM) - LangFuse (высокоуровневое логирование, промпт менеджмент, отладка, оценка) - LangGraph/LangChain (основной фреймворк для разработки) - LangGraph API (сервер для запуска графов на базе LangGraph) - Aegra (OSS альтернатива LangGraph API) - LangSmith Studio (Отладка и визуализация работы графов) - OpenWebUI (интерфейс для чатов с LLM для сотрудников компании) - Qdrant (Векторная база) - Jira / Confluence / Gitlab (управление задачами и ведение базы знаний и Wiki по AI-системам) - Excalidraw (архитектурное моделирование и верхнеуровневое описание логики систем) С какими моделями работал: - GPT-OSS 120b/20b в FP4 (Основная модель, большая модель для сложных аналитических задач, маленькая для простейших агентов) Gemma 4 31B в FP8 (мультимодальная альтернатива основной модели) Gemma 4 26B MoE A4B в FP8 (MoE модель для dev контура и внутренних задач и помощи в прототипирования) - Qwen3 VL 30b в FP8 (для мультимодальных задач с распознанием изображений) - Qwen3 Coder 30b в FP8 (для локального помощника для написания кода) - Qwen3 Embedding 0.6b (для векторизации текстовых данных и запросов) - Qwen3 VL Embedding 8b (для векторизации визуальных данных и запросов) - Qwen3 Reranker 0.6b (для ранжирования) Про оценку в LangFuse и в LangFuse SDK: - Формирование датасетов для оценки (офлайн и онлайн) - Создание LLM автооценщиков - Проведение оценочных прогонов В целом получил много опыта как по работе с софтовой AI инфраструктурой, так и в полном цикле разработке AI систем на базе LangGraph / LangChain

На этом месте я приобрел лучший опыт в сфере AI: - Обучение transformer моделей text2speech для диалоговых систем (LoRa) - Аналитика и разработка диалоговых систем с возможностью перебивания моделей во время ответа. - Аналитика и разработка мультиагентных RAG пайплайнов для автоматизации административной и технической поддержки клиентов интернет магазина star-tex.ru (Lubava AI) - Аналитика и разработка системы векторного поиска на базе трех видов векторов (Dense, Sparse, комбинированный и + CrossEncoder) - Аналитика и внедрение систем распознавания речи с использованием speech2text моделей + VAD - Автоматизировал добавления новых данных в БД с помощью системы автоматизации N8N - Автоматизировал множество различных рутинных задач в компании, которые постоянно требовали ручного труда. - Разработка tools эндпоинтов для диалоговых систем - Подготовка данных для обучения, работа с датасетами - Помимо всего прочего имею навыки со звёздочкой в части промпт-инжиниринга. Могу любую даже самую маленькую и даже локальную модель промптами заставить делать то, что требуется. А если потребуется, могу создать любой голос который будет неотличим от оригинального не только ко тембру, но и по интонациям и наполнению. - Каждый вечер занимаюсь мониторингом новинок на huggingface.co, Github, Ollama, Habr и других источниках, чтобы изучить новые модели и технологии, стремясь оставаться в курсе актуальных разработок и поддерживать свои знания в области искусственного интеллекта на современном уровне. Если говорить верхнеуровнево: - На должности занимался ресерчем, аналитикой, разработкой и внедрением самых современных AI систем в текущих проектах. Включая постановку задач на разработку и разработку технической документации. Стек технологий: Pytorch, Transformers, Datasets, N8N, ElevenLabs, n8n, langchain, OpenAI Qdrant, Unsloth, Docker, Flash Attention Стек моделей: LLaMA 3.1, Qwen2, Qwen2.5, Qwen2.5-omni, Mistral-7B-v0.3, Mistral-small3.2:24b, Gemma 2 и 3, DeepSeek-R1, Whisper, Sesame-CSM (1B), Orpheus-TTS (3B), Oute-TTS (1B), GigaEmbeddings, BM25, BM42

Разносторонний опыт поддержки и сопровождения мобильного приложения с микросервисной архитектурой в связке с ML Обязанности в ML: - Развертывание и поддержка локальных LLM для классификации инцидентов по категориям. - Развертывание и поддержка суммаризации ежедневных коммуникаций в TrueConf. (Транскрибация через локальный Whisper для speech2text и суммаризация через локальные Gemma 2/Llama 2 - Развертывание и поддержка локальной Gemma 2 с актуальной базой знаний необходимой для вступления в должность. В этом кейсе модель использовали для обучения коллег и быстрого втягивания в рабочие процессы используя актуальную базу знаний по нюансам работы на нашей должности в нашей команде. Обязанности в поддержке: - Ежедневный разбор инцидентов связанных с проблемами клиентов в рамках использования мобильного приложения - Ведение общей командной базы знаний - Постоянное изучение документации - Командные встречи, дейли Подробнее: - Разбор инцидентов связанных с мобильным приложением на микро-сервисной архитектуре - Исследование проблем интеграций между мастер-системами и системами мобильного приложения - Постоянное погружение в нюансы работы десятков микросервисов, их интеграцией между собой и базами данных - Постоянная работа с базами данных (PostrgeSQL в основном SELECT, UPDATE) - Анализ логов GrayLog - Работа с инцидентами в Jira - Документация Сonfluence - Разработка и поддержка ПО для выгрузок данных из БД (Pycharm, Python, GitLab) - Анализ данных в Apache Kafka - Хорошее понимание IT инфраструктуры приложения ( того как устроен мир фронт, слои бэк сервисов, мастер системы) - Консультации аналитиков из других отделов по части устройства систем мобильного приложения

По обязанностям: Соблюдение установленного SLA при работе с порталом технической поддержки Jira. Решение вопросов поступающих от сотрудников компании CarPrice по работе с корпоративными системами в которых они работают, в основном Bitrix24 и CMS Bitrix. Оперативное реагирование и исправление ошибок на сайте и в корпоративных системах Bitrix24 и CMS Bitrix. Набрался опыта работы с большими потоками информации Выработал хорошее умение видеть картину в целом, подходить к задаче с разных точек зрения. Ценнейший опыт быстрого втягивания в незнакомый IT проект, который состоит из большого количества уникальных микросервисов в которых нужно быстро разобраться самому и параллельно оказать поддержку другим сотрудникам. Получил хорошее знание и понимание специфики работы систем Bitrix24 и CMS Bitrix Активное взаимодействие с разработчиками, это очень интересно и полезно. В целом получил от этой этой IT компании очень крутой опыт как с точки зрения IT, так и много опыта интересных взаимодействий в корпоративной среде

Осваивал в частном порядке: Стек по части работы над проектами ИИ (ML, DL, RL) - Свой проект под ключ по созданию модели для генерации видео по звуку - Torch, torchvision, torchaudio, transformers, SLM Lab - Datasets, Numpy, Matplotlib - Scikit-Learn, Pandas - Создание API для ИИ (FastAPI) - Развертывание на проде (Docker) Далее подробнее: - Хорошее понимание общей теории и практики разработки и применения модели машинного обучения (Matplotlib, numpy, torch) - Подготовка данных - Разработка модели - Тренировка модели на данных и создание предсказаний - Улучшение модели экспериментальным путем - Сохранение и загрузка натренерованной модели - Имею хорошее понимание и опыт применения всех основных типов нейронных сетей (CNN, RNN, LSTM, GANs, FC - Опыт написания промптов к открытым моделям (Llama/Gemma/Mistral etc.) - Опыт создания фулл проекта модели глубокого обучения для генерации последовательных кадров по звуковой дорожке с речью (Компьютерное зрение, torch, torchaudio, torchvision) - Поиск подходящего видео для тренировочного датасета - Разделение ролика на секвенцию изображений и аудио - Конкретное применение pytorch по части подготовки данных - Преобразование изображений в тензоры - Преобразование стерео аудио в тензоры - Создание датасета на основе подготовленых данных - Опыт подбора оптимальной функции потерь для предстоящего проекта - Достаточно быстро смогу понять нюансы предстоящих действий по созданию модели в области с которой еще не работал - Создание собственной модели генерации изображений (секвенция кадров для видео), в моем случае GAN - Опыт модификации модели с использованием сторонних высокоуровневых технологий для повышения эффективности обучаемости модели - Масштабирование модели глубокого обучения - Создание тренировочного пайплайна для модели глубокого обучения с уклоном на модель для генерации секвенции изображений, которые затем будут соединены в видео - Создание тестового пайплайна для генерации финального продукта модели (видео на основе звука) - Много опыта с известными LLM моделями - Хорошее понимание, как делать правильные промты для моделей и как заставить модель делать то, что нужно - Применение LLM модели для управления умным домом - Применение LLM в повседневной жизни для: изучения английского, изучения ML, DL, RL (сфера ИИ) - Применение LLM для прочих задач связанных с разработкой проектов - Очень много опыта развертывания ЛОКАЛЬНЫХ LLM. Много разных моделей для различных задач. . - Собственный проект с LLMs (Аналог чат GPT) . - Модель на основе своих промтов для управления умным домом . - Много своих локально работающих сервисов. В основном в докер, но не только - Много опыта промтинга моделей для автоматизации управления умным домом Создание модели классификации текста на основе BERT: Сбор и предобработка данных для обучения модели. Обучение модели на основе BERT для классификации текста. Стек: Python (pandas, numpy) PyTorch, HuggingFace Transformers Scikit-learn Matplotlib, Seaborn (для визуализации) Опыт с LLM автоматизацией и созданием ботов (RAG): С помощью Ollama делал генерацию SQL-запросов Создал нескольких ботов с использованием промт-инжиниринга для решения разных задач. Например, разработал бота, который переводит запросы на русском языке в SQL-запросы. Бот берет на вход текстовое описание задачи и автоматически получает нужные данные из базы. Так же делал бота для извлечения семантических сентенций из текста И бота для извлечения необходимой информации от клиента в ходе диалога Стэк: Python FastAPI langchain postgres docker Богатый работы с множеством моделей из HuggingFace по части: - Speech2Text - Text2Speech - Text2image - Image2Text - Text2Video - Image2Audio - Text2Text Важное по другим сферам деятельности: - Создание шейповой/3D графики - Монтаж, создание сложных рекламных/промо роликов - Работа с Virtual Box - Разворачивание VM centOS, ubuntu - Ремонт сборка и продажа IT техники, консультация - Создание сайтов (html + css + python + django) - Развертывание RestAPI Django и FastAPI - Развертывание и настройка VM centOS, Ubuntu - Написание RestAPI под django, fastAPI - Создание сайтов (CMS WordPress) - Работал с Postman - Работал с CURL - Работа с JSON / XML - SEO продвижение (YouTube) - SEO продвижение (Свой проект, в основном OnPage) - Написание скриптов и полноценных проектов на Python (Тг боты, умный дом, сервисы для умного дома и коммерческих проекитов) - Хороший опыт работы с MySQL, Postgre - Работаю над проектом mineboxes.ru (Под ключ) - Написал игровой лаунчер на С# + WPF под .net Framework - Опыт направления трафика с разных источников на сайт - Работаю с Яндекс Метрикой и Яндекс Веб мастером - Привлек на mineboxes.ru более 40000 пользователей - Разработка телеграмм бота, который взаимодействует и с биржей и со своей базой данных, по своему API. - Умею объяснить необъяснимое

Консультации, продажи, ремонты компьютеров, техподдержка, сборки ПК. Гарантийный сервис, кассы, складская деятельность, прием, отправка товара. Отлично повысил навык консультаций, помощи с компьютерными проблемами пожилым людям. Изучил простые техники продаж, применил.

После работы в этой организации, больше нет задач в сфере IT ремонтов, которые я не смог бы выполнить. Так же огромный опыт в продажах, прекрасно продаю ПК ноутбуки, перефирию, и мобильную смарт технику

Работа с клиентами, решение проблем во время и после покупки техники. Очень ценный опыт по работе с покупателями, много общения, применение большой базы знаний в области IT в помощи коллегам

Ремонт и обслуживание компьютерной техники, общение с клиентами, дополнительно опыт работы менеджером, огромная база знаний в сфере ремонтов и обслуживания ПК и ноутбуков.