Python Backend / Data Automation / AI Integrations

На данный момент зам начальника отдела.

Мои компетенции и опыт

# Роман Козлов

**Аналитик-разработчик / Data Analyst / Python Developer**

Телефон: ` нужен доступ к резюме `

Email: ` нужен доступ к резюме `

Telegram: ` нужен доступ к резюме `

GitHub: ` нужен доступ к резюме `

Город: `Москва / удаленно`

## Профессиональный профиль

Python-ориентированный аналитик-разработчик с опытом создания прикладных сервисов для обработки данных, документов, отчетности и AI/LLM-инструментов. Совмещаю аналитическую и инженерную роли: разбираюсь в предметной области, формализую требования, проектирую структуру данных, собираю ETL/аналитические пайплайны, backend API и интерактивные интерфейсы на Python-фреймворках.

Ключевая специализация: автоматизация аналитических и документных процессов, OCR/NLP, RAG-системы, векторный поиск, Excel-отчетность, интеграция LLM в бизнес-процессы.

## Ключевые навыки

**Языки и backend:** Python, FastAPI, Django, Flask, REST API, Pydantic, SQLAlchemy, Alembic, pytest.

**Данные и хранилища:** pandas, NumPy, PostgreSQL, MongoDB, Motor, SQL-запросы, MongoDB aggregation pipelines, Excel, openpyxl, обработка табличных данных.

**Аналитика данных:** очистка и нормализация данных, агрегация показателей, сверка источников, построение аналитических витрин, подготовка управленческой отчетности, автоматизация регулярных выгрузок, базовая визуализация.

**DS/ML:** EDA, feature engineering, классификация, CatBoost, SHAP, embeddings, sentence-transformers, FAISS, pgvector, оценка качества поиска и моделей на базовом уровне.

**AI/LLM:** LangChain, LangGraph, OpenAI-compatible API, RAG, retrieval по базе знаний, структурированный вывод LLM, OCR/VLM-пайплайны, промптинг, интеграция LLM в пользовательские и внутренние сервисы.

**Python-интерфейсы:** Streamlit, Gradio, Flask templates, Django views/admin, прототипирование внутренних аналитических инструментов.

**Инфраструктура:** Docker, Redis, Celery, uvicorn, Git, Linux, настройка сервисов и окружений.

## Проектный опыт

### OCR и извлечение данных из документов

Разработка сервисов для обработки PDF и изображений документов: загрузка файлов, конвертация страниц, OCR/VLM-анализ, извлечение структурированных полей и нормализация результата под бизнес-логику.

- Реализованы пайплайны обработки многостраничных PDF и изображений.

- Настроены проверки входных файлов, обработка ошибок и нормализация данных по типам документов.

- Использованы Python, FastAPI, PyMuPDF, pdf2image, Pydantic, LLM/VLM API.

### Аналитическая отчетность по данным из MongoDB

Создание сервиса для формирования отчетов на основе данных из MongoDB: агрегация, преобразование в аналитическую таблицу, расчет показателей и генерация XLSX-файлов.

- Разработаны MongoDB aggregation pipelines для расчета показателей по периодам и источникам данных.

- Сформирована pandas-витрина для последующего анализа и выгрузки.

- Реализована генерация двух вариантов Excel: пользовательский отчет и аналитический файл для дальнейшей обработки.

- Использованы Python, FastAPI, MongoDB, Motor, pandas, NumPy, openpyxl.

### RAG-сервис для базы знаний

Разработка OpenAI-compatible сервиса с agentic RAG для поиска по базе знаний и подключения к Open WebUI.

- Реализован FastAPI-сервис с LangGraph-агентом и инструментом поиска по базе знаний.

- Настроен retrieval через embeddings и pgvector с учетом контекста коллекций.

- Добавлена логика источников, ограничений поиска и защиты от ответов без подтверждения в базе.

- Использованы Python, FastAPI, LangGraph, LangChain, PostgreSQL, pgvector, asyncpg, embeddings.

### Архивный поиск по документам

Создание MVP поиска по архиву документов: загрузка, OCR, чанкинг, построение embedding-индекса и поиск по релевантным фрагментам.

- Реализован пайплайн ingest/processing для документов.

- Настроены OCR, разбиение на фрагменты, построение FAISS-индекса и поиск.

- Добавлен веб-интерфейс для загрузки, просмотра документов и результатов поиска.

- Использованы Python, Flask, pandas, FAISS, sentence-transformers, docling, EasyOCR.

### Анализ аудио и диалогов с помощью LLM

Разработка сервиса для обработки аудио/текстовых диалогов и получения структурированного анализа качества коммуникации.

- Интегрирована транскрибация и последующий LLM-анализ диалога.

- Использован структурированный вывод для оценки параметров разговора.

- Подготовлена архитектура сервиса с очередями и хранением задач.

- Использованы Python, FastAPI, WhisperX, LangChain, Pydantic, Redis.

### DS/ML и аналитические прототипы

Проекты и прототипы для интерпретации моделей, классификации и аналитической визуализации.

- Использование CatBoost для прикладных задач классификации.

- Демонстрация интерпретации влияния признаков через SHAP.

- Разработка интерактивных аналитических прототипов на Streamlit.

- Работа с геоданными/OSM и признаками для аналитических задач.

## Сильные стороны

- Умею быстро переходить от бизнес-задачи к рабочему техническому решению.

- Хорошо работаю на стыке аналитики, backend-разработки и AI-инструментов.

- Понимаю полный цикл работы с данными: получение, очистка, агрегация, анализ, отчет, API или интерфейс.

- Могу самостоятельно собрать MVP, проверить гипотезу и подготовить решение к эксплуатации.

- Умею описывать и автоматизировать сложные документные и аналитические процессы.

## Целевые роли

- Аналитик-разработчик

- Data Analyst с Python

- Python Developer для data/AI-проектов

- ML/LLM Engineer начального или middle-уровня в прикладных задачах

- Разработчик внутренних аналитических сервисов