Роман Гирин

Senior Modeling Software .NET Developer / AI Engineer

AI & LLM ENGINEERING

• Интеграция AI в экосистему .NET: спроектировал и развернул промышленные корпоративные системы на базе агентского воркфлоу и оркестрации моделей с использованием RAG и векторных эмбеддингов (pgvector). Разработал плагин для MS Semantic Kernel для интеграции основного ПО через ASP.NET 8 REST HATEOAS API, обеспечив интеграцию инструментов в LLM-ассистента. Мониторинг AI-ассистента в продакшене — средствами Lunary.
• Инфраструктура LLM на Python: проводил целевые R&D исследования и выполнял тонкую настройку (fine-tuning) открытых LLM-моделей по методу LoRA с использованием библиотеки Transformers (Python, PyTorch) для адаптации и оптимизации open-source моделей под специфику корпоративных рабочих процессов. Пост-fine-tuning тестирование моделей с EleutherAI.
• R&D в области математической оптимизации (Graph ML): реализовал концепт (PoC) лёгковесной модели на базе Graph Neural Networks (GCNN) для пре-солв оценки выполнимости LP-задач с точностью 92%. Выполнил маппинг матричных представлений линейного программирования в двудольные (bipartite) графы с использованием PyTorch Geometric (PyG) — см. описание GCNN-прототипа.
• Повышение квалификации команды: внедрил агентские AI-инструменты автоматизации (Claude Code) в инженерной команде, что повысило скорость разработки.

SOFTWARE ARCHITECTURE & .NET DEVELOPMENT

• Модернизация архитектуры: руководил переходом архитектуры системы с устаревшей 2-уровневой на 3-уровневую. Мигрировал слой бизнес-логики (BLL) с уровня базы данных (MSSQL T-SQL) на уровень приложения .NET (C#), что повысило поддерживаемость системы и снизило объем тикетов в техподдержку на 30%. Реализовал совместимость с PostgreSQL.
• Миграция с Windows на Linux: возглавил миграцию основного кода с .NET Framework на кроссплатформенный .NET 8. Внедрил современную асинхронную модель программирования (async/await), что снизило потребление системных ресурсов на 15%.
• Микросервисы в облаке: декомпозировал локальный (on-premise) монолит на высоконагруженные микросервисы, развернутые в Azure Container Apps и Azure Kubernetes Service (AKS). Спроектировал межсервисное взаимодействие с использованием REST и асинхронного обмена сообщениями EDA (Azure Event Grid / Queues), обеспечив согласованность данных в распределенной системе с помощью паттернов Saga, CQRS и Outbox.
• Интероперабельность: разрабатывал критически важные компоненты на C++ для интеграции управляемого кода CLR с нативным кодом — см. описание моста.
• Инженерная культура: практикую DDD, SOLID, GoF. Установил стандарты тестирования, внедрив комплексное модульное и интеграционное тестирование (xUnit, NSubstitute) и методологию TDD. Управлял процессами сборки и развертывания через пайплайны Azure DevOps.

Senior Computer Vision Engineer (частичная занятость)

Разработка ANPR-системы

• Дизайн системы: спроектировал и реализовал систему распознавания госномеров автотранспорта (ANPR) на базе кастомных глубоких сетей (MTCNN, STR-Net, OCR).
• Оптимизация архитектуры CNN: провёл глубокий анализ MTCNN, перестроил пайплайн детекции с использованием P-Net и O-Net, полностью исключив R-Net, что сократило вычислительную нагрузку на GPU без потери точности.
• Real-time processing: реализовал на C++ основной цикл обработки видеокадров, что позволило достичь скорости обработки до 11–13,5 мс (~75–90 кадров/с) — примерно в 1,5 раза быстрее реализации на Python.
• Object tracking: реализовал оптимизированный модуль отслеживания автомобилей на базе алгоритмов DeepSORT/BoT-SORT/StrongSORT (Simple Online Real-time Tracking). Выполнил fine-tuning OSNet (Omni-Scale Network) для извлечения векторных представлений (эмбеддингов) внешнего вида автомобилей, достигнув точности ре-идентификации (re-ID) на уровне mAP 72% и Rank-1 94%.
• Управление данными: кастомизировал инструмент LabelImg под специфический формат метаданных компании, руководил командой разметчиков, выстроил пайплайн валидации датасетов, настроил on-prem pipeline для версионирования данных и экспериментов (MLFlow, DVC).
• Бизнес-результат: система успешно внедрена на ряде объектов, обеспечивая автоматическое оповещение о подходе ожидаемых автопоездов к складу разгрузки и полностью исключая их простой, а также оптимизацию и учёт служебного автопарка промышленного предприятия и автоматическое управление КПП на ряде жилых и промышленных объектов.

Разработка CCTV-системы аудита

• Разработка системы детекции: разработал и обучил модель детекции объектов на базе архитектуры SSD (Single Shot MultiBox Detector) для распознавания клининговой техники в видеопотоке.
• Инженерия данных: настроил автоматизированный сбор, фильтрацию и подготовку изображений в условиях нестандартного и меняющегося освещения в помещениях.
• Бизнес-результат: внедрение системы контроля в депо обслуживания поездов «Ласточка» ликвидировало нарушения графиков уборки и полностью исключило расходы на штрафы от надзорных и головных организаций.

Разработчик систем компьютерного зрения (частичная занятость / соискательство)

• Разработка алгоритмов CV: с нуля спроектировал диагностическую систему на базе CNN для автоматической детекции и классификации дефектов рельсовых скреплений (PyTorch, OpenCV, TorchVision и CUDA/cuDNN).
• Dataset и MLOps: собрал датасет изображений для обучения CNN, успешно справился с сильным дисбалансом классов данных, внедрив методы синтетической генерации и аугментации данных с помощью imbalanced-learn (SMOTE).
• Оптимизация и Edge-деплой: конвертировал модели в форматы TensorRT и ONNX с применением квантования (FP16/INT8) для инференса в реальном времени на Edge-платформах (NVIDIA Jetson Nano и AGX Xavier).
• Интеграция и асинхронный бэкенд: связал датафлоу передачи изображений с корпоративной инфраструктурой через кастомный REST HATEOAS API (Django REST Framework) и потоки асинхронных сообщений (Kafka/RabbitMQ).
• Настройка камер: выполнял настройку Ethernet-камер для CV-систем, в частности научных камер Baumer, включая работу с их neoAPI.
• Бизнес-результат: инференс на Jetson внутри вагонов-лабораторий АО НПЦ «Инфотранс» позволил выявлять дефекты на полной скорости движения, подняв раскрываемость дефектов на 60%.

Старший специалист по программному обеспечению (Повышен за выдающиеся результаты)

• Аутстаффинг в Сбербанк CIB: разрабатывал бэкэнд-функционал на платформе Диасофт для инвестиционно-банковского бизнеса.
• Высоконагруженные БД: проектировал, разрабатывал и оптимизировал сложные хранимые процедуры, ER-модели и компоненты уровня данных для высоконагруженных транзакционных систем на СУБД Sybase ASE и MSSQL.
• Техническая оценка: проводил технический анализ и pre-sale оценку инженерных решений для расчета необходимых ресурсов и стоимости проектов.

Руководитель проектов / .NET разработчик

• Системный анализ и проектирование: взаимодействовал с клиентами для формализации требований и составления детальных технических заданий (ТЗ) по автоматизации крупномасштабных бизнес-процессов.
• Full-Stack C# разработка: руководил сквозным внедрением систем управления корпоративным контентом (ECM), параллельно занимаясь написанием кастомных расширений на C# и основных интеграционных модулей.