Привет, я Кайрат — специалист в области LLM Engineering, AI Systems Architecture, Machine Learning и Deep Learning.
Опыт включает построение масштабируемых AI-систем, разработку классических ML/Deep Learning моделей, работу с традиционной NLP, интеграцию больших языковых моделей (LLM) в продакшн, а также сопровождение полного цикла разработки — от архитектуры до развертывания.
Отличаюсь умением объединять современные подходы (LLM, мультиагентные системы, RAG) с проверенными методами классического ML и DL, обеспечивая стабильность, предсказуемость и высокую производительность систем.

LLM Engineering

• Построение RAG и GraphRAG систем.
• Fine-tuning моделей (LoRA, QLoRA, PEFT) для узких доменов.
• Оптимизация inference (vLLM, TensorRT, llama.cpp, Ollama).
• Prompt-инжиниринг (Zero-shot, Few-shot, CoT, ReAct, Planning).

Multi-Agent Systems

• Архитектура многоагентных систем (LangGraph, AutoGEN, Planning Agents, Langchain).
• Интеграция агентов с API и внешними сервисами.
• Построение систем с динамическим выбором инструментов.

Classical Machine Learning

• Регрессия (Linear, Ridge, Lasso), классификация (Logistic Regression, SVM, Decision Trees, Random Forest).
• Ансамблевые методы (Gradient Boosting, XGBoost, LightGBM, CatBoost).
• Кластеризация (K-Means, DBSCAN, Hierarchical Clustering).
• Feature engineering, подбор гиперпараметров, валидация моделей.

Deep Learning

• Построение и обучение нейросетей на PyTorch (MLP, CNN, RNN, LSTM, GRU).
• Transfer Learning и fine-tuning предобученных моделей (ResNet, EfficientNet, BERT).
• Оптимизация архитектур, регуляризация, использование scheduler’ов.
• Работа с большими датасетами и ускорение обучения на GPU.

Classical NLP

• Предобработка текста: токенизация, стемминг, лемматизация, удаление стоп-слов.
• Векторизация текста (Bag-of-Words, TF-IDF, Word2Vec, FastText, GloVe).
• Классификация текста, анализ тональности, тематическое моделирование (LDA).
• Создание чат-ботов и диалоговых систем на основе традиционных методов NLP.
• Интеграция NLTK, spaCy, gensim в ML-проекты.

Backend & API Development

• FastAPI для создания REST API.
• PostgreSQL и Redis для хранения и кэширования данных.
• Оптимизация API для высоких нагрузок.

MLOps & Production

• Контейнеризация (Docker, Docker Compose).
• CI/CD (GitHub Actions, GitLab CI).
• Мониторинг, логирование и управление моделями (MLFlow, LangSmith).

Vector Search & Databases

• Внедрение и оптимизация поиска (ChromaDB, Pinecone, Weaviate, FAISS).
• Построение гибридных систем поиска.

• Реализовал Enterprise RAG-систему с интеграцией в корпоративные процессы и поддержкой гибридного поиска.
• Создал многоагентную платформу на LangGraph для автоматизации образовательных процессов.
• Построил GraphRAG Knowledge System с использованием Neo4j и LLM для семантического поиска.
• Разработал и внедрил модели классического ML для предсказания цен, классификации данных и оценки рисков.
• Обучил и оптимизировал CNN и LSTM для задач анализа изображений и обработки последовательностей.
• Наставлял команду стажёров, внедрял стандарты разработки, проводил code review.
• Довёл несколько AI-продуктов от прототипа до стабильной работы в продакшне.

Tanym (Астана) | NLP/LLM Engineer
31.12.2024 — настоящее время

• Основной разработчик NLP/LLM-модулей в AI-ассистенте.
• Создание мультиагентных систем, интеграция LLM в процессы обучения.
• Реализация RAG-пайплайнов, разработка API и контейнеризация сервисов.
• Оптимизация inference и качества генерации.

• Языки: Python, C++
• ML/DL: PyTorch, scikit-learn, XGBoost, LightGBM, CatBoost, numpy, pandas
• LLM: LangChain, LangGraph, AutoGEN, vLLM, Hugging Face, OpenAI API(И другие)
• NLP: NLTK, spaCy, Word2Vec, FastText, TF-IDF
• БД и поиск: PostgreSQL, Redis, ChromaDB, Pinecone, Weaviate, FAISS, pgvector
• MLOps: Docker, Docker Compose, GitHub Actions, MLFlow, LangSmith, ClearML
• Оптимизация inference: vLLM, TensorRT, llama.cpp, Ollama