APPLIED AI · AI ENGINEERING · PRODUCTION
Проектирую и запускаю
production AI‑системы.
Меня зовут Самойлов Вадим. Я Applied AI / ML Engineer и выпускник СПбГЭТУ «ЛЭТИ» в Санкт‑Петербурге. Около 1,5 лет коммерчески создаю AI‑сервисы и агентные системы: от требований и архитектуры до backend, AI‑логики, интеграций, инфраструктуры, production‑релиза и презентации заказчику.
LLM · AI Agents · RAG · MCP
Python · Backend · Integrations
Full‑cycle delivery
BACKGROUND · EDUCATION · PATH TO AI
От инженерной базы — к production AI.
Мой технический путь складывался последовательно: ЛЭТИ дал базу в математике, программировании и понимании бизнес‑процессов; собственный gamedev‑проект — практику разработки и командной работы; логистика и автоматизация — понимание прикладных задач. С 2023 года я системно сфокусирован на Python и ML, а с 2025 года создаю коммерческие AI‑системы.
2013 — 2017 · бакалавриат
СПбГЭТУ «ЛЭТИ» · Инноватика
Направление на стыке бизнеса, менеджмента и технологий. В программе — Pascal, Python, C++, теоретические основы нейронных сетей, математический анализ, экономико‑математические методы и модели, физика и деловой английский.
Публикация IEEE по складской логистике ↗012013—2017
Университет
Математика, программирование и бизнес‑процессы
На «Инноватике» изучал дисциплины сразу из нескольких областей — от программирования и основ нейронных сетей до математического моделирования, экономики и менеджмента. В соавторстве с преподавателем по логистике подготовил и опубликовал работу на IEEE по инновационным методам управления в складской логистике.
022015—2018
Практическая разработка
Первый большой самостоятельный software‑проект
Параллельно с учёбой самостоятельно осваивал gamedev и выпустил модификацию «Ветер времени» для S.T.A.L.K.E.R. Работал с C++, Lua, XML, X‑Ray Engine, SDK и графическими инструментами, а затем собрал небольшую команду для дальнейшего развития проекта.
032018—2022
Логистика · автоматизация
Из бизнес‑процессов — к интересу к алгоритмам
Работал по специальности в складской логистике у крупного автомобильного дилера Санкт‑Петербурга. Параллельно изучал алгоритмическую торговлю и применение AI к временным рядам; вместе с опытным трейдером собрал прототип автоматического торгового бота. Финансового результата эксперимент не дал, но именно он вернул меня к системной разработке.
042023—2024
Python · Machine Learning
Системный переход в ML‑инженерию
Углублённо изучал Python и ML на Stepik, karpov.courses и через собственные проекты. Прошёл путь от линейной регрессии, градиентного бустинга и классического NLP до многослойных нейронных сетей, Transformers и LLM; параллельно участвовал в ML‑соревнованиях и командных проектах.
052025—сейчас
Commercial AI
Полный цикл production‑разработки
В Imprice и ГК «ОВЕН‑Энерго» перешёл к коммерческой разработке AI‑сервисов. Сейчас строю системы практически с нуля: выясняю требования, проектирую архитектуру и интеграции, пишу backend и AI‑логику, поднимаю инфраструктуру, выпускаю в production и презентую результат заказчику.
FEATURED CASE STUDIES
Production‑кейсы
Два проекта, где особенно хорошо видны мой личный вклад, системная архитектура и доведение решения до реального использования.
01 / COMMERCE AI
RGM BASE · AI‑ПОДБОРЩИК ЭЛЕКТРООБОРУДОВАНИЯ
Подбор оборудования из 170 000+ артикулов по 14+ брендам
Самостоятельно спроектировал и разработал backend, AI‑логику, основную часть интерфейса и интеграции актуального AI‑подборщика на RGM Base. Система работает с каталогом 170 000+ артикулов по 14+ брендам; MCP‑архитектура рассчитана на несколько десятков брендов и более миллиона товаров. Фоновые и асинхронные задачи построены на RabbitMQ + Celery. Предыдущая production‑версия для трёх брендов принимала реальные обращения, подбирала оборудование и передавала диалог оператору при необходимости.
Актуальный каталог170 000+артикулов · 14+ брендов
Предыдущая версия3 бренда≈ 3–4% качественных лидов / месяц
Архитектура1M+целевой масштаб товаров
02 / HR AUTOMATION
AI‑ИНТЕРВЬЮЕР В HH.RU
Двухэтапное автоматическое собеседование без сторонних мессенджеров
Спроектировал и разработал двухэтапного AI‑интервьюера, который общается с кандидатами прямо в чате hh.ru, автоматически создаёт и заполняет карточки в Битрикс24, прикладывает резюме, переводит кандидатов по этапам и поддерживает выдачу тестовых заданий. Очереди и фоновые задачи реализованы на RabbitMQ + Celery. Система используется в реальном найме; кандидаты, прошедшие через неё, уже были приняты на работу.
Интервью2 этапаавтоматического отбора
Каналhh.ruпрямо в чате платформы
Факт использованияЕсть наймыкандидаты уже приняты на работу
PROJECT EXPLORER
Проекты по категориям.
Сначала — production и коммерческие системы; соревнования и pet / hobby вынесены отдельно, чтобы не смешивать их с рабочим опытом.
ML COMPETITIONS
Соревнования — отдельная часть моего ML‑опыта.
Работал и в командах, и самостоятельно: NLP, классификация, векторный поиск, мультимодальный RAG, интерфейсы для разметки и алгоритмы распределения ресурсов.
🥉3 местоJarvis Labeling · ecom.tech
044 местоecom.tech × Deep Learning Lab
FINФиналIT Purple Hack 2025
01
Jarvis LabelingSupabase · Streamlit · Pandas · data labeling
3 место ↗
02ecom.tech × Deep Learning LabBERT · multilabel classification · Streamlit
4 / ~100 ↗
03IT Purple Hack 2025RAG assistant + VM placement / First‑Fit Decreasing
Финал ↗
04Мультимодальная система RAG: ColPali + Vikhr-2-VLByaldi · ColPali · Vikhr-2-VL · PyTorch · Transformers · Streamlit
GitHub ↗
EXPERIENCE
Applied AI: модели, backend, интеграции и delivery.
Моя сильная сторона — не отдельная модель или API, а сборка законченной системы: требования, архитектура, Python‑backend, AI‑логика, очереди, БД, интеграции, инфраструктура и production.
requirements→architecture→code→infra→production
08.2025 — сейчас
ГК «ОВЕН‑Энерго»
Junior ML Engineer
AI‑сервисы, агентные системы, LLM, интеграции и инфраструктура в IT‑подразделении компании.
- С нуля выстраивал инфраструктуру разработки и запуска AI‑проектов.
- Проектировал интеграции с Битрикс24, hh.ru, OData/1С и другими API.
- Запускал production‑системы: продажи, HR, рекомендации, поиск и voice AI.
05.2025 — 07.2025
Imprice
Junior AI Developer
Команда разработки AI‑агентов: Python‑обёртки, микросервисы, тестирование, RAG‑пайплайны и БД.
- Инструменты интеграции агентов в реальные процессы.
- RAG‑поиск по документации CRM.
- Мониторинг Telegram‑чатов: GPT‑разбиение на темы, определение статуса/результата/тональности и метрики в Google Sheets с обновлением каждые 30 минут.
TECH STACK
Основной рабочий стек.
Сгруппирован по задачам, а не как длинный список ключевых слов: AI/ML, backend, data/infra и automation.
vLLM + llama.cpp
Запуск локальных моделей и интеграция их в прикладные сервисы.
n8n + Dify
Production‑автоматизации, поисковые боты и рекомендательные системы.
Dagster + OpenSearch + S3
Пайплайны данных, объектное хранилище и поисковая инфраструктура.
От архитектуры до релиза
Проектирование, разработка, инфраструктура и презентация заказчику.
PET PROJECT · WINNER
MoodMeter
Командная система анализа настроений сообщений на Python и Hugging Face Transformers с PostgreSQL и Streamlit. Проект победил во внутреннем соревновании проектов симулятора ML от karpov.courses.
TransformersPostgreSQLStreamlitNLP
GitHub проекта ↗
HOBBY ENGINEERING · GAME DEVELOPMENT
«Ветер времени» · S.T.A.L.K.E.R.
Компьютерная модификация, выпущенная в 2017 году. В проекте работал не только с контентом, но и с технической частью оригинального X‑Ray Engine и игровыми системами. Проект до сих пор остаётся заметным в сообществе и занимает топ‑2 по количеству отзывов среди сотен проектов на крупном тематическом ресурсе.
- C++ · Microsoft Visual Studio: редактирование исходников X‑Ray трёх оригинальных частей S.T.A.L.K.E.R.
- Lua: написание с нуля и доработка скриптов, поведения и логики персонажей.
- XML: конфиги, характеристики персонажей, квестовая и игровая логика.
- Game SDK: геймдизайн и работа с игровым миром; моделирование отдельных объектов в Autodesk 3ds Max.
- Graphics: создание, редактирование и адаптация внутриигровых текстур в Paint.NET и Adobe Photoshop.
C++LuaXMLX‑Ray EngineGame SDK3ds MaxPhotoshop
Страница проекта ↗
NEXT ROLE
Ищу роль, где AI становится частью реального продукта.
Быстрее всего отвечаю в Telegram.