★ Руководство командой аналитиков в разработке решений на основе данных для инициатив городского планирования. ★ Возглавил проект прогнозирования населения Алматы до 2030 года с интеграцией анализа пространственного распределения для поддержки стратегий развития города. ★ Разработал микросервисную систему промышленного уровня (8 сервисов) для NL2SQL с LLM-управляемым мультиагентным RAG-конвейером, обрабатывающим 900+ таблиц базы данных: Создал машину состояний LangGraph с 8-узловым конвейером генерации SQL и структурированным выводом Pydantic: поиск (4 узла) → ранжирование (1 узел) → генерация SQL (1 узел) → коррекция значений (1 узел) → валидация (1 узел), реализовал автоматическую логику повторных попыток и гибридный поиск, сочетающий семантический поиск pgvector с переранжированием LLM. Разработал агентное RAG-ядро с архитектурой вызова инструментов (генерация SQL, выполнение, визуализация, резервные варианты) с использованием vLLM (Qwen3-30B), реализовал декомпозицию запросов с параллельным выполнением подзадач и интеллектуальный prompt engineering с few-shot примерами. Создал двойной интерфейс с Telegram-ботом (Aiogram 3.x) + FastAPI REST API с общим бэкендом, интегрировал менеджер разговоров на базе Redis с контекстно-зависимым переформулированием запросов через vLLM, Markdown-форматирование и автоматическую обработку изображений/документов. Разработал движок визуализации с сервисом выполнения Python-кода, сгенерированного LLM, для интерактивных карт (Folium) и графиков (Matplotlib), поддержка пространственного анализа (Shapely: буферы, расстояния, пересечения) с асинхронной обработкой задач. Спроектировал и наполнил инфраструктуру базы знаний с комплексной базой метаданных, описывающей 900+ таблиц и их столбцов, включая эмбеддинги для семантического поиска, интегрировал pgvector для интеллектуального обнаружения таблиц/столбцов, создал сервис управления метаданными, предоставляющий связи таблиц, условия JOIN и статистику столбцов для LLM-управляемой генерации SQL. Контейнеризировал 8 микросервисов с помощью Docker. Реализовал GitLab CI/CD конвейер (сборка → развертывание → очистка) с тегированием SHA коммитов и возможностью автоматического отката. Стек: Python, FastAPI, LangGraph, vLLM, Aiogram, pgvector, Redis, PostgreSQL, PostGIS, SQLAlchemy, Pydantic, Docker, GitLab CI/CD, Ollama, Shapely, Folium.

★ Автоматизировал сбор данных с использованием Python и Docker, оптимизируя доступ к критическим городским показателям. ★ Разработал дашборды Power BI для визуализации данных о трафике, преступности и налогах, улучшая процессы принятия решений. ★ Разработал многоступенчатый LLM-конвейер для ответов на вопросы о городских данных со специализированной оркестрацией цепочек: Спроектировал последовательную архитектуру из 4 цепочек с ролевым распределением задач с использованием LangChain LCEL: (1) LLM-классификатор вопросов (llama3.2) с few-shot обучением на 23 примерах для категоризации пользовательских запросов по 10 таблицам городских метрик (преступления, школы, детские сады, пожары, экстренные вызовы, полицейские участки, эвакуационные пункты, спортивные объекты, ремонтные работы) или отклонения нерелевантных вопросов, (2) генератор SQL (gemma3:27b) с внедрением схемы и few-shot обучением для преобразования естественного языка в SQL, (3) валидатор SQL (gemma3:27b), обеспечивающий доработку запросов на основе ошибок с автоматическим механизмом повторных попыток при неудачном первоначальном выполнении, (4) синтезатор ответов (llama3.2), генерирующий отформатированные ответы на русском языке с Markdown-стилизацией, скрывая технические детали реализации. Создал асинхронную архитектуру с FastAPI + Telegram-ботом aiogram с inline-клавиатурами, обменом геолокацией и ReplyKeyboardMarkup для геопозиционирования. Интегрировал PostgreSQL с асинхронной ORM SQLAlchemy (драйвер asyncpg), выполняющей запросы к 10+ таблицам городских метрик с запланированным обновлением метаданных (APScheduler), обновляя схемы таблиц и эмбеддинги каждую минуту. Реализовал многоуровневую обработку ошибок с корректным возвратом пользовательских сообщений для невалидных запросов. Стек: Python, FastAPI, LangChain, Ollama, aiogram, asyncpg, SQLAlchemy, APScheduler, PyTorch. ★ Провел NLP-анализ отзывов граждан для оценки и улучшения качества государственных услуг.

★ Разработал пользовательский чатбот для продажи автозапчастей с использованием ChatGPT API, улучшив вовлечение клиентов и эффективность продаж. ★ Разработал RAG-систему промышленного уровня с интеллектуальным конвейером поиска документов. Создал асинхронный бэкенд на FastAPI с модульной архитектурой маршрутизаторов. Реализовал многоступенчатый RAG-конвейер. Парсинг документов в разных форматах (pdfminer + Tesseract OCR для отсканированных документов) с дедупликацией по хешу. Интеллектуальное разбиение на чанки (сегменты по 96 слов с перекрытием), генерация контекстуализированных эмбеддингов через Qwen3-Embedding. Гибридный поиск, сочетающий семантический поиск pgvector и нечеткое сопоставление (rapidfuzz). Разработал LLM-агент с вызовом инструментов (валидация Pydantic) для автономной маршрутизации запросов к группам файлов или содержимому файлов. Интегрировал API Ollama для локального вывода LLM (Qwen3:14b) с перефразированием запросов. Создал систему разговоров с сохранением состояния с кешированием Redis. Реализовал схему PostgreSQL + pgvector с асинхронной ORM SQLAlchemy (3 таблицы: файлы с эмбеддингами сводок, чанки с контекстуализированными эмбеддингами, история чата с JSONB-контекстом). Развернул запланированный парсер документов (APScheduler с блокировкой файлов для многопроцессорной безопасности) и отзывчивый веб-интерфейс (HTML/CSS/JS с рендерингом Markdown). Стек: Python, FastAPI, Ollama, pgvector, Redis, PostgreSQL, SQLAlchemy, Pydantic, Alembic (миграции), pdf2image, Tesseract, tiktoken, rapidfuzz. ★ Участие в стартапе по распознаванию позы для виртуальной примерки обуви (YOLO) в качестве AI ML Лида.

★ Разработка веб сервиса для сбора показателей с IoT датчиков ★ Настройка системы мониторинга Grafana ★ Работа с сенсорами, и электронными схемами ★ Написание программы для wifi микроконтроллеров NodeMCU v1.0 на базе ESP8266

★ Backend для системы тех. учёта элементов сети на Django ★ Настройка архитектуры базы данных PostgreSQL ★ Подключения плагина карты Leaflet OpenStreetMap

★ Executed web scraping projects with Python and developed an anti-captcha autoencoder using TensorFlow. ★ Built an Android mobile app for warehouse management.

★ Руководил студентами в создании среды Unity и обучении моделей CNN для проекта беспилотного автомобиля. ★ Проекты: Беспилотный персонаж, Беспилотный автомобиль.