Деятельность компании: Legal AI-платформа для рынка MENA: сбор, структурирование и поиск законодательства и судебной практики.
Роль: Руководил направлениями DATA Engineering и Backend Development. Отвечал за архитектуру, разработку и развитие платформы.
DATA Engineering
- Разработал систему сбора и актуализации законодательства и судебной практики из 34+ источников в режиме реального времени.
- Самостоятельно спроектировал и реализовал конвейер обработки правовых документов, разработав универсальную модель их хранения и структурирования с учётом особенностей издания законодательства.
- Достиг точности извлечения текста и структуры до 98,7% при сравнении с эталонной разметкой и скорости обработки 0,13–0,2 секунды на страницу.
Результат: сформирован корпус из ~15 000 правовых актов и ~347 000 судебных дел. Обработка документа объёмом 300 страниц занимает менее минуты.
Backend Engineering
- Спроектировал распределённую микросервисную архитектуру платформы с независимыми сервисами и чётким разделением ответственности.
- Разработал архитектуру ключевых компонентов, таких как авторизация и управление доступом RBAC, управление функциональностью и тарифами, подписочной моделью, сервис уведомлений.
- Спроектировал единое хранилище правовых данных с версионированием, связями между документами и умным поиском.
Результат: совместно с командой вывел платформу в production, обеспечив работу ключевых бизнес-модулей, инфраструктуры обработки данных и системы наблюдаемости.
Стек: Python 3.14 Asyncio, Litestar, Granian, PostgreSQL, SQLAlchemy, Alembic, OpenSearch, Redis, NATS JetStream, GCloud Storage, Temporalio, GKE, PyMuPDF, Scrapling, Playwright, Vertex AI, PaddleOCR, MinerU, OTEL.
Деятельность компании: Разработка Enterprise RPA-решений для сквозной автоматизации бизнес-процессов: от ETL-pipeline’ов до предиктивной аналитики.
Спроектировал и реализовал архитектуру внутреннего продукта для автоматизации поиска заказов, ставшего основным каналом продаж компании.
– Live-мониторинг: разработал систему сбора данных с ключевых фриланс-площадок в режиме реального времени, минимизировав задержку между публикацией и обнаружением заказа.
– Нормализация данных: внедрил pipeline на базе NLP для извлечения именованных сущностей и превращения неструктурированных описаний заказов в унифицированный формат.
– Предиктивная аналитика: реализовал сложную логику двухуровневого скоринга: AI-оценка релевантности задач технологическому стеку и опыту компании; Автоматический KYC-анализ заказчиков для фильтрации нецелевых заявок.
– Автоматизация бизнес-процесса: создал Telegram-бота для управления presale. При обнаружении целевого заказа система уведомляет команду и позволяет инициировать автоматический отклик в один клик.
Результат: сократил время реакции на новый заказ с нескольких часов до нескольких секунд. Полная автоматизация процесса обеспечила рост конверсии в сделку за счет мгновенного контакта с приоритетными клиентами.
– Разработал и поддерживал более 50 scraper’ов различной сложности для внешних клиентов E-commerce, FinTech, Real Estate, Social Media.
– Унифицировал архитектуру сбора данных и внедрил библиотеку переиспользуемых компонентов, что ускорило разработку новых решений на 30%.
Стек: Python 3.12+ Asyncio, FastAPI, Uvicorn, Pydantic, SQLAlchemy, PostgreSQL, MySQL, Redis, MinIO, RabbitMQ, Temporalio, playwright, HTTPX, Telethon, Docker-compose.
Деятельность компании: Разработка высоконагруженной платформы для сбора и обработки спортивной аналитики в реальном времени для B2B-клиентов.
– Спроектировал и внедрил систему агрегации данных с десятков сайтов-конкурентов, защищенных сложными анти-бот системами.
– Миграция от Selenium к Playwright: инициировал перевод стека crawling’a на Playwright. Оптимизировал потребление ресурсов серверов и обеспечил более стабильную работу в headless-режиме, что позволило легко масштабировать количество replic для сбора.
– Антибот-стратегии: реализовал методы обхода защит: ротация браузерных отпечатков, использование Stealth-плагинов и динамическая ротация прокси. Довел шанс успешного сбора данных до 97.5%.
Результат: создал отказоустойчивое хранилище исторических и live-данных, сократив отставание от данных рынка на 60%.
Участвовал в разработке сервиса видео-аналитики, извлекающего расширенные метрики из видеопотока матчей в реальном времени.
– Трекинг объектов: интегрировал модели YOLO / OpenCV для детекции и отслеживания ключевых объектов: игрока, мяча и разметки корта.
– Пространственная аналитика: разработал алгоритмы расчета уникальных метрик: тепловые карты падения мяча, скорость перемещения, покрытие зон и статистика ударов.
– API и real-time доставка: спроектировал архитектуру REST API для клиентов и реализовал WebSocket-сервер с механизмом подписок. Клиенты получают аналитику с задержкой <200мс сразу после обработки кадра.
– Очереди задач: внедрил Celery + RabbitMQ для асинхронной обработки видео-событий, обеспечив стабильную обработку пиковых нагрузок во время динамичных турниров.
– Оптимизация БД: оптимизировал тяжелые аналитические запросы в PostgreSQL и добавил слой кэширования в Redis. Тем самым сократил время генерации сложных отчетов для клиентов с 10 секунд до <500 мс.
Стек: Python 3.8+, FastAPI, Selenium, Playwright, OpenCV, PyTorch, PostgreSQL, SQLAlchemy, RabbitMQ, Celery, Docker-compose, WebSockets.