Имеется собственный автомобиль

Права категории B

Ключевые знания и навыки: • Python (Advanced): Глубокое знание языка, ООП, асинхронное программирование, оптимизация производительности. • Machine Learning / Deep Learning: Разработка и внедрение ML-моделей (NLP, LLM, RAG, векторные базы данных), работа с фреймворками (LangChain, AutoGen). • LLM и Generative AI: Fine-tuning моделей, построение пайплайнов генерации рекомендаций, интеграция ИИ в продукты (HealthTech). • Базы данных и поиск: PostgreSQL, ClickHouse, OpenSearch (векторный поиск, k-NN, semantic search), pgvector, оптимизация запросов, проектирование схем для медицинских данных. • MLOps: MLFlow (трекинг экспериментов, версионирование моделей), Airflow (ETL-пайплайны), Docker, CI/CD. • Backend-разработка: Django, FastAPI, микросервисная архитектура, REST API, gRPC. • Data Engineering: Парсинг и нормализация данных, интеграция с внешними API (лаборатории, медицинские системы). • Cloud & Infrastructure: Yandex Cloud, оптимизация затрат, масштабирование инфраструктуры. • Computer Vision: OpenCV, YOLO (распознавание медицинских документов и бланков). • Аналитика и визуализация: DataLens, дашборды для мониторинга KPI и эффективности ИИ-моделей. • Team Lead: Управление командой ML-разработчиков, код-ревью, менторство, планирование спринтов, взаимодействие с бизнесом. Дополнительные знания: • HTML5, CSS3, JavaScript (базовый уровень для интеграции с фронтендом). • Git, GitHub, Bitbucket (workflow, code review, branching strategies). • Английский язык (техническая документация, исследование статей). • Быстрое освоение новых технологий и фреймворков. • Навыки презентации результатов бизнесу, защита технических решений. GitHub: - https://github.com/Vladimir-1909 Опыт и достижения: • Внедрение end-to-end AI-пайплайнов для генерации медицинских рекомендаций (LLM + RAG). • Построение системы хранения и обработки данных (ClickHouse + Airflow) для интеграции с лабораторными партнёрами. • Разработка гибридных рекомендательных систем (медицинские справочники + ML-модели). • Запуск голосового поиска и OCR для импорта медицинских документов. • Оптимизация инфраструктуры: снижение затрат на инференс моделей и облачные сервисы. • Реализация векторного поиска на OpenSearch для семантического поиска по медицинским данным и документам.