Работал над внутренними AI-workflows для knowledge access и lead intelligence в домене wealth management / private investments. · Собрал RAG-assistant поверх внутренних документов и обучающих материалов: parsing, chunking, embeddings, indexing, retrieval и grounded answers с источниками. · Разрабатывал Python/FastAPI-сервисы и automation/orchestration workflows, включая n8n и LangChain. · Встраивал AI в прикладные внутренние процессы: quality iteration, enrichment из публичных источников и логика квалификации лидов.

С нуля разработал Telegram WebApp — игрового бота в жанре стратегии с элементами крафта и кликера. · Запустил Telegram WebApp-продукт end-to-end: frontend, backend, cloud/infrastructure, production support и дальнейшее развитие. · Довёл продукт от идеи и сырого прототипа до коммерчески успешного состояния с выручкой порядка $8–16k MRR. · Вёл все технические направления проекта: frontend, backend, инфраструктура, деплой, эксплуатация и регулярные релизы. · Спроектировал и реализовал серверную часть: авторизация, игровая логика, API, хранение данных и базовая аналитика. · Настроил CI/CD, мониторинг, логирование, резервное копирование и production-окружение. · Онбордил ещё одного разработчика и передал ему кодовую базу и контекст. Стек: TypeScript, React, Firebase (Firestore + Functions), Telegram WebApp, Ton, Telegram Stars, GitHub, Vite, Cascading Style Sheets (CSS), Telegram Mini Apps SDK, Phaser, pnpm, Node, Turborepo, Tailwind, Zustand, i18next

· Развивал и рефакторил React / TypeScript кодовую базу продуктового веб-приложения в рамках дизайн-системы. · Реализовывал переиспользуемые UI-компоненты и продуктовые страницы по макетам Figma. · Добавлял клиентскую функциональность: формы, фильтры, списки, data views и пользовательские сценарии. · Чистил legacy-код и исправлял UI-дефекты, повышая поддерживаемость и качество релизов. · Работал в связке с backend и product-командой для уточнения требований и регулярной поставки изменений. Технологии: React ,TypeScript ,Tailwind CSS Навыки: Frontend‑разработка, разработка UI, компонентный подход, работа с дизайн‑системой.

Проект: создание AI‑сервиса для анализа рентгеновских изображений (ортодонтия) для помощи врачам-ортодонтам в диагностировании челюстных аномалий. Решение помогает определять 22 ключевые анатомические точки на снимках и анализировать взаимосвязи между костными и мягкотканными структурами до начала лечения. Обязанности и достижения: · Собрал full-stack продукт для анализа медицинских изображений: backend, пользовательский workflow, визуализация результатов и production deployment. · Реализовал веб-приложение для загрузки снимков, запуска анализа и отображения результатов. · Поднял production deployment в AWS (EC2/S3) с Docker, Nginx и SSL. · Реализовал OAuth2/JWT, обработку ошибок, базовый мониторинг и эксплуатационную готовность сервиса. · Подготовил inference-контур к production-использованию.

Проект: система видеоаналитики с применением ИИ для анализа дорожного движения и обеспечения безопасности на пляжах. Продукт позволял в режиме близком к реальному времени выявлять нарушения, оценивать загруженность и повышать безопасность на объектах. Обязанности и зона ответственности: - Присоединился на ранней стадии стартапа в роли технического руководителя (под CTO и продакт‑менеджером). - С нуля сформировал техническую команду из 13 человек: backend и frontend‑разработчики, ML‑инженеры, тестирование, разметка датасетов. - Участвовал в проектировании и развитии микросервисной архитектуры системы видеоаналитики. - Разрабатывал алгоритмы компьютерного зрения (обнаружение объектов, трекинг) для анализа видеопотока. - Оптимизировал модели и конвертировал их в TensorRT для ускоренного инференса на целевом оборудовании. - Планировал задачи и спринты, участвовал в постановке приоритетов и синхронизации с бизнес‑стейкхолдерами. - Вёл часть проектов как менеджер: отслеживание прогресса, фасилитация встреч, декомпозиция задач, управление ожиданиями заказчиков. Достижения: - Организовал технические направления (backend, frontend, ML, тестирование, разметка данных) и заложил устойчивые процессы, которые продолжают работать после моего ухода. - Участвовал в масштабировании архитектуры и вывел MVP в пилотную эксплуатацию на реальных объектах (дорожное движение, пляжи). - Сформировал рабочую и доверительную культуру внутри команды на раннем этапе развития компании. Технологии: Python, PyTorch, TensorRT, OpenCV, FastAPI, Docker, gRPC, Git, CI/CD, Linux

Проект: интеллектуальный комплекс для детектирования и распознавания государственных регистрационных знаков (ГРЗ) и автоматической регистрации нарушений ПДД (проезд на красный, пересечение стоп-линии и др.). Обязанности и достижения: - Разрабатывал и поддерживал сервис с основной бизнес‑логикой комплекса на Python. - Реализовывал и дорабатывал алгоритмы регистрации нарушений: - проверка правил, - временные окна, - условия фиксации события, - фильтрация ложных срабатываний. - Работал с потоками данных от камер, обеспечивал корректное взаимодействие сервиса с другими микросервисами системы. - Оптимизировал производительность критичных участков кода, участвовал в тестировании и отладке на продакшене. - Участвовал в разборе инцидентов и улучшении качества фиксации нарушений. Технологии: Python, OpenCV, NumPy, PostgreSQL, Docker, Linux, Git, REST API, видеопотоки (RTSP и пр.).

Курс: «Фреймворк PyTorch для разработки искусственных нейронных сетей». Обязанности и содержание курса: - Разработал и запустил авторский ознакомительный курс из 6 занятий по PyTorch: - основы PyTorch и построения нейронных сетей; - модели для задач классификации изображений; - детекция объектов и сегментация изображений; - вводные занятия по GAN и LSTM; - интеграция моделей в приложения (PyTorch + OpenCV). - Ежемесячно проводил курс в формате онлайн‑вебинаров. - Пояснял теорию на практических примерах, разбирал код, помогал студентам реализовывать учебные проекты. - Давал обратную связь по домашним заданиям, отвечал на вопросы студентов, корректировал материал по итогам потоков. Результат: - Получил опыт публичных выступлений, структурирования материалов и наставничества в области нейронных сетей и компьютерного зрения.

Проект: OMV — видеоаналитический комплекс с детекцией объектов и событий на видео (обнаружение людей и объектов, лиц, огня, спецодежды, смены сцены, трекинг, хранение и поиск по архиву). Обязанности и достижения: - Как единственный разработчик на старте спроектировал и реализовал с нуля систему OMV: обработка видеопотоков, детекция объектов, трекинг, хранение и доступ к архиву. - Разработал модули компьютерного зрения: 1) детекция объектов и людей, 2) распознавание лиц, 3) детекция огня и спецодежды, 4) детекция смены сцены, 5) модерация контента. - Создал решения на основе стереокамеры: 3D‑замеры дистанций и размеров объектов. - Реализовал логику управления шлагбаумом по детекции каски/СИЗ (правила доступа на объект). - Участвовал в проектировании архитектуры и интеграции с внешними системами. - Презентовал результаты исполнительному спонсору, что обеспечило дальнейшее финансирование и расширение команды. Результат: - OMV был выведен из состояния прототипа в полноценный продуктовый комплекс, на основе которого затем расширялась команда и портфель проектов лаборатории. Технологии: Python, OpenCV, PyTorch, TensorRT, Docker, Linux, Git, REST API, gRPC, CI/CD, видеопотоки (RTSP и т.п.).

Задачи: - Индивидуальное обучение клиента основам программирования на C++ и машинного обучения. - Сопровождение прохождения курсов (Coursera, специализация по современному C++ и курс по ML): разбор теории, помощь в выполнении практических заданий, разбор типичных ошибок. - Объяснение ключевых концепций: базовые структуры данных, ООП в C++, базовые алгоритмы машинного обучения. Результат: - Укрепил собственные знания C++ и ML за счёт преподавания и объяснения материала. - Существенно улучшил навыки чтения и общения на английском языке.

Проект: программно‑аппаратные комплексы видеоаналитики (камеры наблюдения, распознавание номеров и др.). Задачи: - Изучал и дорабатывал существующий код одного из видеокомплексов. - Работал с C++ и OpenCV: - программная настройка отклонившихся камер, - участие в улучшении алгоритма распознавания автомобильных номеров (SVM). - Разбирался в архитектуре сложного C++‑проекта, повышал уровень владения ООП. - Освоил инструменты и процессы командной разработки: - JIRA, Scrum, - Eclipse, QtCreator, - сборка проектов через make, - система контроля версий Git. Результат: - Существенно продвинулся в практическом использовании C++/OOP и OpenCV. - Получил первый опыт работы в промышленном проекте и в командном процессе разработки.

Проект: разработка автоматизированных торговых систем для частных трейдеров. Задачи: - Реализовывал торговые стратегии заказчиков в виде программного обеспечения: - анализ описания стратегии, - формализация правил, - реализация логики в коде. - Разработка торговых роботов на C++ и MQL4/MQL5 в связке с MetaTrader. - Работа с существующим кодом и библиотеками: разбор, доработка, оптимизация. - Тесное взаимодействие с заказчиками и небольшая внутренняя команда (разработчик, верстальщик, дизайнер). Результат: - Получил практический опыт промышленной разработки на C++ и MQL под реальные задачи торговли на бирже. - Привык к ежедневной работе с большим объёмом кода и поддержкой существующих решений.

Сфера: разработка и продажа мобильных приложений для обработки изображений. Проект стажировки: алгоритм детектирования и распознавания пачек сигарет с камеры телефона. Задачи: - Полный цикл разработки ML‑решения: - чтение и анализ научных статей, - выбор подхода и инструментов (Fast R‑CNN), - сбор и разметка датасета (фото витрин магазинов), - обучение и валидация модели, - оценка качества по метрикам. - Работа в Linux‑окружении, на сервере через SSH. - Знакомство с Docker и контейнеризацией. - Практика в Python и фреймворках для DL (TensorFlow, Caffe). Результат: - Реализовал и обучил модель Fast R‑CNN для детекции пачек сигарет с приемлемыми метриками (precision ~0.9985, recall ~0.69). - Получил первый полноценный опыт построения ML‑пайплайна: от данных до модели и метрик. - Освоил базовые навыки командной разработки и работы в продвинутой Linux‑среде.

Проект: сервис для распознавания одежды и текста на изображениях. Задачи: - Отвечал за подсистему распознавания текста на изображениях. - Разработка на Python с использованием: - NumPy, - OpenCV, - Tkinter для простого UI. - Реализовал алгоритм распознавания символов методом k ближайших соседей. Результат: - Углубил знания Python и базовых библиотек для обработки изображений. - Получил первый опыт командной работы в небольшом студенческом стартапе и ответственности за свой модуль.