LLM/ML Engineer, Data Scientist

На данный момент Аналитик данных (Data Scientist).

Мои компетенции и опыт

ML Engineer / Data Scientist с 5+ годами коммерческого опыта в машинном обучении и 4-летним опытом математического моделирования, численных методов и анализа инженерных данных. Специализируюсь на LLM, NLP, RAG, AI-агентах, глубоком обучении, анализе временных рядов, обнаружении аномалий и production ML.

Имею опыт полного цикла разработки моделей и интеллектуальных сервисов: от R&D, проверки гипотез и оценки качества до API, тестов, деплоя и сопровождения production-сервисов. В коммерческих и собственных проектах работал с LLM-инференсом, RAG, LangChain/LangGraph, tool calling, LoRA, LLM-as-a-Judge, MLflow/Langfuse и построением end-to-end LLM-приложений.

Ключевой результат: отвечал за R&D и математическое ядро системы предиктивной диагностики, заменившей GE SmartSignal и позволившей сэкономить более 500 млн рублей на лицензиях.

Аналитик данных (Data Scientist) (декабрь 2021 – сентябрь 2026)

ООО “СИБУР Диджитал”, Москва

Разрабатывал модели и production-сервисы для промышленных продуктов СИБУРа, включая системы предиктивной диагностики, LLM/RAG-пайплайны и NLP-анализ технических логов.

Ключевой проект: система предиктивной диагностики для мониторинга нескольких сотен единиц промышленного оборудования на площадках СИБУРа.

• Отвечал за R&D и математическое ядро системы: анализ многомерных временных рядов, автоэнкодеры на PyTorch, обнаружение аномалий, оценка состояния и выявление нетипичного поведения оборудования; реализовал сервис и впоследствии перевел его с REST API на gRPC.
• Разработал отдельный LLM-сервис с gRPC API для анализа диагностических инцидентов, интерпретации временных рядов и генерации рекомендаций по дефектам, проверкам и профилактике.
• Разработал и внедрил отдельный production gRPC-сервис прогнозирования технологических параметров оборудования.
• Разрабатывал backend-компоненты системы: серверную логику, тесты, интеграцию с PostgreSQL, Docker-деплой и GitLab CI/CD; сопровождал сервис и анализировал качество моделей, инциденты и обратную связь пользователей.
• Курировал двух стажеров: ставил задачи по машинному обучению и LLM, декомпозировал работы, проводил code review и сопровождал внедрение решений.

Другие проекты:

• Разрабатывал RAG-пайплайн для поиска по базе знаний Confluence; доля корректных ответов на внутренней тестовой выборке достигла 90% по экспертной оценке.
• Разработал и апробировал на двух реальных кейсах NLP-подход к раннему предупреждению отказов СУБД Vertica на основе технических логов: обработка текстовых событий, построение эмбеддингов, поиск паттернов и признаков деградации; результаты опубликованы в двух научных статьях.
• Переобучил модель градиентного бустинга для fuzzy matching названий компаний в задаче лидогенерации, повысив F1-score на 20 п. п.
• Проводил валидацию AI-гипотез: оценивал качество RAG/LLM-подходов, применимость к бизнес- задачам и целесообразность дальнейшей разработки.

Стек: Python, PyTorch, gRPC, REST API, SQL, PostgreSQL, Vertica, LangChain, LightGBM, SHAP, n8n, NetworkX, Docker, GitLab CI/CD.

Ведущий специалист (сентябрь 2017 – декабрь 2021)

АО “ИГиРГИ” (ПАО “НК “Роснефть”), Москва

• Внес ключевой вклад в разработку технологии и программного решения для прогнозирования трещиноватости горных пород месторождений с целью снижения финансовых потерь при бурении.
• Разработал Python-приложение для анализа данных гамма-каротажа: с помощью Dynamic Time Warping (DTW) находил схожие участки геофизических кривых для выявления признаков выхода траектории скважины за пределы нефтеносного пласта.
• Разрабатывал математические модели и расчетные алгоритмы для задач нефтедобычи с использованием Python и Fortran.
• Работал с большими массивами геолого-промысловых данных: очистка, структурирование, анализ и подготовка данных для моделирования.
• Проводил расчет и сравнение инженерных сценариев, анализировал риски и прогнозировал последствия технических решений.

Достижения: соавтор запатентованной технологии; 2-е командное место в хакатоне научно- технологического блока ИТ-марафона ПАО «НК “Роснефть”»; публикации в отраслевых научно-технических журналах.

Стек: Python, Fortran, MATLAB, SQL, DTW, математическое моделирование, численные методы, методы оптимизации, обработка и анализ данных.