Кирилл Обухов (rewqqx), 24 года, Россия, Санкт-ПетербургКирилл Обухов (rewqqx), 24 года, Россия, Санкт-Петербург
Ученый по даннымML разработчикСредний (Middle)
От 180 000 ₽Ищу работу

Контакты

Войти
Возраст: 24 года
Опыт работы: 3 года и 3 месяца
Регистрация: 26.03.2025
Последний визит: 3 дня назад
Гражданство: Россия
Местоположение: Россия, Санкт-Петербург
Дополнительно: готов к удаленной работе
Знание языков: Английский В2Немецкий А2

Обо мне

Я ML-разработчик с более чем 4 годами опыта в IT, специализируюсь на решении задач машинного обучения и работе с текстами. Основной стек — Python, активно использую современные deep learning-фреймворки для построения и обучения нейросетевых моделей.

Работал с трансформерными архитектурами (BERT, RoBERTa, GPT, T5), fine-tuning и кастомизация под прикладные задачи: классификация, извлечение сущностей, генерация, семантический поиск. Использую Hugging Face Transformers, PyTorch Lightning, Datasets, а также инструменты для продакшен-интеграции — FastAPI, Docker, TorchScript, ONNX.

В проектах строил как классические ML-модели, так и end-to-end пайплайны на основе нейросетей: от препроцессинга и аугментаций до выкатки моделей в прод. Знаком с CI/CD, mlflow и основами MLOps.

У меня сильный математический бэкграунд (линейная алгебра, теория вероятностей, оптимизация), что помогает не просто использовать модели, а понимать, как они работают под капотом. Умею общаться с командами и заказчиками на одном языке — будь то инженеры или продукт.

Сейчас активно развиваюсь в области генеративного ИИ и multi-modal моделей.

Навыки

Внутри навыка можно посмотреть пройденные и доступные тесты
Matlab
Python
PostgreSQL
Git
Docker
TensorFlow
ClickHouse
PyTorch
Deep Learning

Опыт работы

  • Сайт для абитуриентов №1 в России: вузы, колледжи, специальности, профили, программы, професии, уникальные сервисы
    Санкт-Петербург
    ML разработчик (Средний)Ведущий ML-инженер
    Март 2022 — По настоящее время (3 года и 3 месяца)

    Разработал рекомендательную систему на ALS с использованием библиотеки implicit (CUDA-ускорение), оптимизировал sparse user-item матрицы, провел гиперпараметрический поиск (factors, regularization), внедрил метрики оценки качества, добился +17% роста вовлеченности.
    Реализовал BERT-ориентированную систему рекомендаций: генерация dense embeddings через transformers (BERT, DistilBERT), семантический поиск с FAISS, кастомная предобработка текста (spaCy, NLTK), построение мультифичевого пайплайна, деплой модели через FastAPI и Docker.
    Построил RAG-систему для LLM-чата техподдержки: векторизация базы знаний (sentence-transformers), индексация в FAISS, query rewriting, reranking (CrossEncoder), генерация ответов через Qwen, логирование и мониторинг через ELK + Prometheus, деплой в Kubernetes.

Высшее образование

  • СПбГУ

    Санкт-Петербургский государственный университет (бывший ЛГУ)
    Санкт-Петербург4119 выпускников
    Прикладной математики - процессов управления
    Сентябрь 2022 — Июль 2024 (1 год и 10 месяцев)

    Магистр - ИИ и наука о больших данных. 
    Дипломная работа была связана с NLP моделями и построением рекомендательной системы на их основе

    Прикладной математики - процессов управления
    Сентябрь 2018 — Июль 2022 (3 года и 10 месяцев)

    Бакалавр - Прикладная математика и информатика.
    Дипломная работа была связана с внедрением ИИ в ОИЯИ. Коррекция орбит.