API & архитектура
REST API на FastAPI и Django, слоистая и гексагональная архитектура, Pydantic-валидация, JWT, документация.
Python Developer —
Проектирую масштабируемые backend-решения на FastAPI и Django, работаю с PostgreSQL и Redis, встраиваю AI-сервисы (LLM, RAG, голосовые агенты) в продуктовые логики. Мой фокус — надёжная архитектура, автоматизация и чистый, покрытый тестами код.
Python-разработчик с 3+ годами коммерческого опыта в создании масштабируемых backend-решений. Специализируюсь на проектировании REST API (FastAPI, Django), работе с PostgreSQL и Redis, а также интеграции AI-сервисов (LLM, RAG) в продуктовые логики.
Мой ключевой фокус — надёжная архитектура и автоматизация. Имею опыт построения систем с нуля: от настройки CI/CD (GitHub Actions, Docker) и мониторинга (ELK, Prometheus) до оптимизации запросов к БД и внедрения асинхронной обработки задач. Успешно реализовывал сложные интеграции с внешними сервисами (hh.ru, Bitrix24, SIP-телефония) и обеспечивал высокую доступность систем в продакшене.
Предпочитаю чистый код, покрытие тестами (pytest) и документирование архитектуры. Быстро адаптируюсь к легаси-коду и новым технологическим стекам. Готов решать задачи полного цикла: от проектирования базы данных до деплоя и поддержки на Linux-серверах.
REST API на FastAPI и Django, слоистая и гексагональная архитектура, Pydantic-валидация, JWT, документация.
LLM-скоринг со structured output, RAG на pgvector, голосовые агенты (ElevenLabs, WebRTC), тестирование промптов.
Docker / Docker Compose, CI/CD на GitHub Actions, Nginx и Caddy, централизованные логи и метрики в ELK, Prometheus, Grafana.
Датасеты и разметка (Roboflow), обучение YOLOv5/v8, real-time обработка видеопотоков на OpenCV, RTSP-интеграции.
Рекомендацию предоставлю по запросу — Алексей Рубан, CTO / Head of AI (ex-Sber, ex-Sibur), F-Lab \ Азбука — Лаборатория Искусственного Интеллекта.
Инструменты, с которыми я работаю ежедневно и довожу до продакшена.
От микросервисов на Java до голосовых AI-агентов и LLM-платформ.
ИП, проектная занятость · Eltera.AI Москва
Результат: сократил время обработки откликов с 400 до 20–40 лучших резюме на клиента; определение автоответчика ускорило такой звонок с ~60 до ~10 секунд (−83%).
F-Lab \ Азбука — Лаборатория Искусственного Интеллекта Москва
Результаты: сократил цикл проверки продуктовых гипотез с ~1,5 недель до нескольких дней — команда протестировала 10 идей за месяц; MVP прошёл боевое тестирование с участием 10 HR-специалистов.
WebCommand Москва · web-command.ru
SIA Consulting ОАЭ · удалённо · sia-finance.com
Результаты: в проекте по подсчёту с/х животных точность выросла с ~60% (ручной учёт) до ~85%; распознавание номеров заметно сократило время учёта контейнеров на складе.
Krevetka VPN Москва · krevetka.me
MedX Москва
11 проектов — от LLM-платформ и голосовых агентов до компьютерного зрения. Нажмите на карточку, чтобы увидеть детали.
SaaS-платформа, автоматизирующая найм от отклика до решения: тесты, гибридная оценка, интеграции с job-бордами.
−90% времени на скрининг: 400 → 20–40 лучших резюме
Роль: Python / AI Developer · Формат: ИП, проектная занятость
Стартап с 2–3 клиентами на подписке нуждался в полном цикле найма внутри одной платформы: от получения отклика до финального решения по кандидату.
Гибридная система оценки с использованием LLM сократила время обработки откликов с 400 до 20–40 лучших резюме на клиента.
Голосовой агент на ElevenLabs Conversational AI: опрос, подбор вакансий по реестру, отправка в Telegram и WhatsApp, проверка документов нейросетью.
1079 звонков · 67% дозвон · ~$1,6 за согласие
Роль: Python / AI Developer (телефония + LLM-оркестрация)
Массовый подбор требует тысяч первичных звонков. Нужен голосовой агент, который сам проводит опрос, подбирает вакансии и передаёт данные в CRM.
Аналитика воронки за 11–17.09: 1079 звонков → 67% дозвон → 20% живой разговор → 15 согласий, ~$1,6 за согласие.
Единый реестр вакансий из разнородных источников: Google-таблицы, Telegram-чаты, нестабильные таблицы партнёров.
168 вакансий · 7 активных пользователей · 1,5 месяца в проде
Роль: Backend-разработчик (архитектура, парсинг, инфраструктура)
Вакансии от 8 контрагентов приходили в разных форматах — от структурированных Google-таблиц до потоков в Telegram-чатах. Требовался единый, всегда актуальный реестр.
Backend HR-платформы с нуля на FastAPI и Django, REST API для резюме и вакансий, голосовые интервью по 4 сценариям.
Гипотезы: 1,5 недели → дни · 10 идей за месяц
Роль: Python-разработчик (Backend + AI/ML) · Компания: F-Lab \ Азбука
Создать HR-платформу с нуля: хранение и обработка резюме и вакансий, автоматизированные интервью и оценка кандидатов. Скорость проверки продуктовых гипотез была критична.
Оценка soft skills, hard skills и инновационности через LLM со строго структурированным выводом.
3 оси оценки · регрессионные тесты промптов
Роль: Python-разработчик (AI/ML) · Компания: F-Lab \ Азбука
Ручная оценка кандидатов не масштабировалась и была субъективной. Нужна воспроизводимая автоматическая оценка по понятным осям.
Ассистент для адаптации сотрудников: ответы на основе внутренней базы знаний через векторный поиск.
RAG на PostgreSQL + pgvector · 2 реализации: Python и n8n
Роль: Python-разработчик (AI) · Компания: F-Lab \ Азбука
Новые сотрудники тратили время наставников на типовые вопросы. Нужен бот, отвечающий строго по внутренним документам.
Автогенерация описаний вакансий и предварительная оценка соискателей прямо в рабочем процессе.
Ускорил публикацию вакансий и первичный отбор
Роль: Python-разработчик (AI) · Компания: F-Lab \ Азбука
Детекция объектов на реальных видеопотоках заказчика с отдачей результатов в веб-интерфейс.
Точность подсчёта: ~60% → ~85%
Роль: Python-разработчик (Computer Vision) · Компания: SIA Consulting (ОАЭ, удалённо)
Заказчикам требовался автоматический учёт: подсчёт сельскохозяйственных животных и распознавание номеров контейнеров на складе — вместо ручного обхода.
Монолит из 7000 строк в одном файле превращён в слоистую модульную архитектуру.
7000 строк → Controllers / Services / Repositories
Роль: Backend-разработчик (Node.js) · Компания: Krevetka VPN, Москва · проектная занятость
Легаси-монолит на 7000 строк в одном файле не позволял безопасно вносить изменения и не имел полноценной авторизации.
Микросервисы на Java / Spring Boot с событийным взаимодействием через Kafka для студентов-медиков.
Kafka-события · полиглотное хранение (PostgreSQL + MongoDB)
Роль: Backend-разработчик (Java) · Компания: MedX, Москва · проектная занятость
Разработка под ключ: серверная логика, проектирование БД, интеграция React-фронтенда через REST API.
Ускорение загрузки за счёт оптимизации MySQL и кэширования
Роль: Fullstack-разработчик · Компания: WebCommand, Москва
По этому фильтру проектов пока нет.
Окончание — 2027
2024
Готов к удалённой работе, гибриду или офису. Рассматриваю переезд в Краснодар, Москву, Нижний Новгород, Самару, Санкт-Петербург; готов к командировкам. Предпочитаемый способ связи — телефон и Telegram.