📍 Россия | ✉️ [email protected] | 💻 github.com/juhnowski | Telegram: @juhnowski

Руководитель с 25-летним опытом проектирования сложных IT-решений, специализирующийся на архитектуре систем с ИИ/ML-компонентами. Эксперт в области Data Engineering, MLOps и интеграции высоконагруженных систем. Успешно реализовал проекты с использованием Python, ML-фреймворков и облачных технологий для прогнозирования, автоматизации и оптимизации бизнес-процессов.

• Проектирование архитектур AI/ML-систем (Data Lake, DWH, рекомендательные движки).
• Разработка PoC для NLP, комплаенс-систем и прогнозных аналитических платформ.
• Интеграция ML-моделей в корпоративные экосистемы (Java, Python, SpringBoot, ClickHouse).
• Оптимизация вычислительных процессов (200 Гб/сек DPI, Kubernetes, DataStorages).
• Cloud-архитектура (AWS, GCP, Yandex.Cloud), DevOps (Git, Jenkins, Docker).
• Экспертиза в Data Vault 2.0, ETL/ELT, real-time аналитике.

Архитектор ИТ-решений

Внедрение ML-моделей предиктивной аналитики для оптимизации логистики (Python, PySpark). Архитектурный аудит и интеграция AI-компонентов в SaaS-платформы. Телеком и IT-интеграция Главный архитектор программных продуктов | Пресэйлы, Химпром, Росагро | Май 2023 — Апрель 2024

Разработка PoC для комплаенс-систем на Java Spring (анализ текста, NLP). Архитектура высоконагруженных систем для СМИ (ClickHouse, Kafka).

Старший архитектор / Ведущий инженер

Проектирование интеграции AI в биллинговые системы (СОРМ, автоматизация тарификации). Создание ML-движков для анализа трафика (TensorFlow, C++).

Архитектор продукта | Июль 2018 — Июль 2021 Проектирование Data Lake на Data Vault 2.0 для Газпрома (ГПН, МРГ) и Schlumberger.

Банковская автоматизация, рекомендательные системы, распознавание и классификация документов, поисковые системы.

Прототипирование систем мониторинга оборудования с использованием компьютерного зрения (OpenCV, Python).

Нижегородский Государственный Технический Университет | Магистр технической физики | Информационный менеджмент | 2001

• Coursera: "Architecting with Google Kubernetes Engine", "Building Scalable Java Microservices", "Data Visualization" | 2019
• IBM: "Programming a Quantum Computer with Qiskit" | 2020
• СПБ ГУ: Квантовые вычисления (Quantum computing) | 2020
• Google Cloud: "Machine Learning Engineering for Production" | 2021
• University of Maryland, College Park: Cryptography
• DeepLearning.AI: Structuring Machine Learning Projects

• Языки: Python, Java, C/C++, R, SQL, Lua, Bash
• ML/Инструменты: Nvidia AI Enterprise (LLM/NM/NeMo), TensorFlow, PyTorch, Scikit-learn, DataRobot, MLflow
• Cloud: AWS (S3, SageMaker), GCP, Yandex.Cloud, Kubernetes
• Data Engineering: ClickHouse, Snowflake, Kafka, Airflow, Docker
• DevOps: Git, Jenkins, Terraform, Prometheus

• Разработал архитектуру распределенной ML-платформы для прогноза спроса (Python, Spark).
• Внедрил автоматическую классификацию документов для юридического отдела (NLP, spaCy).
• Оптимизировал обработку данных в реальном времени для телеком-оператора (200 Гб/сек).

Публикации: "АЛГОРИТМ ПРОГНОЗИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ ЦЕЛИ", "Прогнозирование движения цели по данным телеавтомата сопровождения". "Проблемы и варианты корпоративной цифровой трансформации" "Детерминированное исследование повреждений нуклеозидов"

• Исследование генеративных моделей (GAN, Diffusion)
• Участие в хакатонах по AI и Акселераторах Сбер, Газпром.

• Solution Architect
• AI Product Manager
• Business Analyst
• ML Engineer
• Prompt Engineer
• UI/UX designer
• React Developer
• React Developer
• JS FullStack Developer
• Spring Developer
• C/C++ Developer
• QA Engineer (Russian, Urdu, Arabic, Hindi, Sanskrit)

• MES
• FMCG
• Retail
• FinTech

• Дизайн интерфейсов для AI-приложений (чат-боты, голосовые ассистенты, аналитические дашборды)
• Визуализация данных и ML-моделей (интерактивные графики, real-time dashboards)
• UX-оптимизация для сложных AI-алгоритмов (обратная связь с пользователем при ошибках модели)
• Дизайн персонализированных рекомендательных систем
• Прототипирование voice interfaces и multimodal UI
• Прототипирование генеративного interfaceless

• Разработка «умных» интерфейсов с поддержкой AI-фич (динамическая адаптация, персонализация)
• Создание интуитивных UX-потоков для обучения AI-моделей через user feedback
• Интеграция нейросетевых элементов (style transfer, генеративный контент) в интерфейсы
• Дизайн для explainable AI (XAI) – объяснение пользователю принципы работы алгоритма
• UX-тестирование с использованием A/B-тестирования и data-driven подходов

Adaptive Interfaces – интерфейсы, которые учатся за пользователя (предсказание действий) Emotion-aware UI – распознавание эмоций через камеру/микрофон и адаптация дизайна