Python backend-разработчик. Работаю с прикладным ML и виртуальными ассистентами.
Разрабатываю серверную логику, API и сценарии ассистентов. В работе занимаюсь ранжированием ML-инсайтов, анализом поведения пользователей и прогнозированием расходов. Есть опыт экспериментов с RAG и NLP для улучшения ответов системы поддержки.
Мне интересно разбираться в том, как устроены системы: от структур данных на C++ до обучения нейронных сетей. Отдельный интерес — математика, физика, нейробиология и визуализация вычислений.
- Backend: серверная логика финансовых продуктов, сценарии виртуального ассистента и налогового агента.
- Applied ML: ранжирование, поведенческие паттерны, прогнозирование временных рядов; проверка гипотез с RAG/NLP.
- Собственные исследования: идея нейросети, вдохновлённой устройством мозга, и эксперименты с вычислительными моделями.
| Направление | Технологии |
|---|---|
| Backend | Python · FastAPI · Pydantic · SQLAlchemy |
| Данные | PostgreSQL · Redis · SQL |
| ML / NLP | scikit-learn · PyTorch · LangChain · FAISS |
| Инструменты | Docker · Git · Linux · Bash · pytest |
| Алгоритмы и моделирование | C · C++ · NumPy |
MyPersonalNeuralNetwork — мой долгосрочный исследовательский замысел: изучать принципы работы мозга и пробовать переносить их в вычислительные модели. Сейчас — стадия идеи: в репозитории опубликовано описание, реализации и результатов экспериментов пока нет.
MLP — экспериментальная реализация компонентов перцептрона на C++: нейроны, связи, веса и тесты. Проект помогает изучать внутреннее устройство нейросетей; часть компонентов пока не реализована.
MazeApp — приложение на Python для генерации и решения лабиринтов: поиск в ширину, настольный интерфейс Qt/OpenGL и тесты алгоритмов. Инструкция запуска →
Машинное обучение в OTUS, учусь в Финансовом университете при Правительстве РФ. Развиваю знания в ML/DL, математике и нейробиологии; хочу связывать теорию с кодом и воспроизводимыми экспериментами.
Обсудить backend, ML или совместный проект? Напиши мне в Telegram →