← В ленту
Middle
Регистрация: 17.07.2026

Алексей Подколзин

Специализация: AI/ML Engineer
— AI/ML-инженер с 3+ годами опыта разработки интеллектуальных систем и production-ready ИИ-агентов. — Разрабатывал RAG-системы и ИИ-агентов для крупного банка (Сбер): корректность ответов +26%, аудитория ×4, CSI 3.1→4.3. — Опыт в ML/DL: дообучение трансформеров, спектральный анализ ЭЭГ, детекция и трекинг объектов (точность 98%). — Стек: Python, LangChain, LangGraph, PyTorch, RAG, Qdrant, FastAPI, Kubernetes, PostgreSQL.
— AI/ML-инженер с 3+ годами опыта разработки интеллектуальных систем и production-ready ИИ-агентов. — Разрабатывал RAG-системы и ИИ-агентов для крупного банка (Сбер): корректность ответов +26%, аудитория ×4, CSI 3.1→4.3. — Опыт в ML/DL: дообучение трансформеров, спектральный анализ ЭЭГ, детекция и трекинг объектов (точность 98%). — Стек: Python, LangChain, LangGraph, PyTorch, RAG, Qdrant, FastAPI, Kubernetes, PostgreSQL.

Портфолио

Командус

Главный инженер по разработке. ● Создал всю AI и ML часть проекта с ASR, диарзацией, LangGraph, LoRA.

Сбер

● Полный цикл разработки, тестирования и поддержки ИИ-агента для клиентов и сотрудников банка. ● С нуля создал шаблон отчётности работы агента в проде, инициировал коммуникацию с бизнесом и внедрил в использование всей команды. ● Увеличил корректность ответов агента на 26%, количество пользователей выросло в 4 раза, средняя оценка CSI повысилась с 3.1 до 4.3 из 5. ● Разработал несколько tools внутри агента, увеличил RAG-базу знаний в 3 раза без потери точности. ● Перестроил систему поиска на гибридный поиск через BM-25, что улучшило ответы агента на смежные вопросы. ● Разработал автоматизированную систему оценки качества агента, сократив время тестирования с 18 до 3 рабочих часов. ● Реализовал подключение агента к новому отделу банка с отдельным функционалом и базой знаний. ● Добавил взаимодействие с новым API и вывод structured-output ответов по результатам обработки данных.

Институт психологии РАН

● Модернизировал инструментарий сбора и анализа нейрофизиологических данных, перевёл процесс на масштабируемые ML/DL-решения. ● С нуля разработал приложение для спектрального анализа ЭЭГ на Python с совместимостью с устаревшим оборудованием. ● Дообучил модель детекции объектов (OpenCV) для трекинга крыс; провёл квантизацию и оптимизацию — итоговая точность 98%. ● Строил и дообучал DL-модели и трансформеры для текстовых, медицинских и числовых данных. ● Выполнял полный цикл анализа экспериментов: статистическая предобработка, разработка ML-алгоритмов, психологическая интерпретация результатов. ● Участвовал в проектировании и организации исследований от постановки гипотезы до внедрения продуктового решения.

Скиллы

Python
LangChain
LangGraph
RAG
PyTorch
FastAPI
PostgreSQL
Docker
Kubernetes
Git
Machine Learning
NLP
MLOps
OpenAI API
Prompt Engineering
Qdrant
SQL
Apache Kafka
Hugging Face
Transformers
MLFlow
CI/CD
Linux
GitLab CI
FAISS
NumPy
pandas
OpenCV
LLM
ETL

Опыт работы

Главный инженер по разработке
01.2025 - 05.2026 |Сбер
LangChain, LangGraph, Python, PyTorch, RAG, BM-25, FastAPI
● Полный цикл разработки, тестирования и поддержки ИИ-агента для клиентов и сотрудников банка. ● С нуля создал шаблон отчётности работы агента в проде, инициировал коммуникацию с бизнесом и внедрил в использование всей команды. ● Увеличил корректность ответов агента на 26%, количество пользователей выросло в 4 раза, средняя оценка CSI повысилась с 3.1 до 4.3 из 5. ● Разработал несколько tools внутри агента, увеличил RAG-базу знаний в 3 раза без потери точности. ● Перестроил систему поиска на гибридный поиск через BM-25, что улучшило ответы агента на смежные вопросы. ● Разработал автоматизированную систему оценки качества агента, сократив время тестирования с 18 до 3 рабочих часов. ● Реализовал подключение агента к новому отделу банка с отдельным функционалом и базой знаний. ● Добавил взаимодействие с новым API и вывод structured-output ответов по результатам обработки данных.
ML-инженер
02.2023 - 10.2025 |Институт психологии РАН
Python, OpenCV, PyTorch, DL, Transformers, LoRA, EEG, scikit-learn
● Модернизировал инструментарий сбора и анализа нейрофизиологических данных, перевёл процесс на масштабируемые ML/DL-решения. ● С нуля разработал приложение для спектрального анализа ЭЭГ на Python с совместимостью с устаревшим оборудованием. ● Дообучил модель детекции объектов (OpenCV) для трекинга крыс; провёл квантизацию и оптимизацию — итоговая точность 98%. ● Строил и дообучал DL-модели и трансформеры для текстовых, медицинских и числовых данных. ● Выполнял полный цикл анализа экспериментов: статистическая предобработка, разработка ML-алгоритмов, психологическая интерпретация результатов. ● Участвовал в проектировании и организации исследований от постановки гипотезы до внедрения продуктового решения.

Образование

Клиническая психофизиология
По настоящий момент
Московский государственный университет им. М.В. Ломоносова, Факультет психологии

Языки

РусскийРоднойАнглийскийПродвинутый