РГ

Роман Гирин

Senior Software / AI Инженер

Senior Software Engineer & Architect с более чем 20-летним опытом разработки, программирования и масштабирования высоконагруженных корпоративных систем. Сочетает степень кандидата технических наук (специализация — прикладные нейронные сети) с многолетним опытом поставки коммерческого, готового к промышленной эксплуатации ПО.

Стек технологий

Языки и фреймворки

  • C#
  • .NET 8 / Core / Framework
  • ASP.NET
  • Python
  • C++
  • SQL / T-SQL
  • Django / Django REST

Прикладной ML и ИИ

  • Lunary
  • EleutherAI
  • PyTorch
  • TorchVision
  • PyTorch Geometric
  • OpenCV
  • Transformers
  • RAG / pgvector
  • LoRA Fine-Tuning
  • MS Semantic Kernel

Облако и инфраструктура

  • Docker
  • Azure (AKS, Container Apps, Event Grid)
  • Kafka / RabbitMQ / Azure Queues
  • Azure DevOps (CI/CD)

Базы данных

  • MS SQL
  • PostgreSQL
  • Azure Table Storage (NoSQL)

Ключевые проекты

Корпоративные системы и генеративный ИИ

Модернизация платформы RiverLogic VCO

Более десяти лет архитектурной модернизации платформы Value Chain Optimization (VCO) компании RiverLogic: от двухзвенного on-premise монолита — к событийно-ориентированным микросервисам на Azure, плюс разработка RAG- и Semantic Kernel-инструментария для ИИ-ассистента компании. На 30% меньше обращений в саппорт после переноса бизнес-логики; на 15% ниже потребление ресурсов после перехода на .NET 8.

  • C# / .NET 8
  • Azure AKS и Container Apps
  • Событийно-ориентированная архитектура
  • RAG
  • MS Semantic Kernel

Мост между нативным C++ и .NET 8

Реализовал тонкий нативный мост на C++, хостящий рантайм CoreCLR прямо внутри процесса — через официальный hosting API hostfxr/nethost, а не через C++/CLI — чтобы нативный компонент инструментов развёртывания мог напрямую вызывать уже существующую, хорошо протестированную кодовую базу на C#, вместо переписывания этой логики на нативный код.

  • C++
  • .NET 8
  • CoreCLR Hosting
  • Native Interop

Компьютерное зрение и прикладной ML

Система распознавания автомобильных номеров (ANPR)

Спроектировал и реализовал промышленную ANPR-систему (автоматическое распознавание номерных знаков) на кастомных глубоких сетях (детектор MTCNN + собственная сеть-распознаватель). Переработал пайплайн детекции MTCNN до P-Net + O-Net, полностью исключив R-Net — снижение нагрузки на GPU без потери точности. Построил инфраструктуру данных — кастомизированный LabelImg, команда разметки, валидация датасетов, версионирование данных и экспериментов через MLFlow/DVC. Автоматическое распознавание ожидаемых грузовиков на подъезде к объекту с оповещением логистической системы устранило простои транспорта и ускорило разгрузку.

  • PyTorch
  • MTCNN
  • OpenCV
  • MLFlow
  • DVC

Графовая нейросеть для оценки разрешимости LP-задач

Реализовал лёгковесный сервис предварительной оценки разрешимости для солвер-пайплайна RiverLogic LP: небольшая графовая нейросеть (PyTorch Geometric) отсеивает вероятно неразрешимые модели до того, как они попадут на затратное полное решение — точность ~92%.

Полное решение VCO-моделей промышленными LP-солверами может занимать часы — такая дешёвая предварительная проверка способна сэкономить реальное время и вычислительные ресурсы.

  • PyTorch Geometric
  • GCNN
  • Graph ML

Профессиональный опыт

Основной production-код по коммерческой работе в RiverLogic и в банковской сфере защищён строгими корпоративными NDA и является собственностью компаний-заказчиков. Поэтому моя повседневная разработка — преимущественно через Azure DevOps — не отображается публично на GitHub.

RiverLogic Inc. — Самара, Россия (удалённо)

Март 2014 – по настоящее время

Senior Modeling Software .NET Developer / AI Engineer

  • 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.
  • Интеграция AI в экосистему .NET: спроектировал и развернул промышленные корпоративные системы RAG с использованием векторных эмбеддингов (pgvector). Разработал плагин для MS Semantic Kernel для интеграции основного ПО через ASP.NET 8 REST HATEOAS API, обеспечив безопасную интеграцию LLM-ассистентов.
  • 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.
  • 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.
  • Повышение квалификации команды: внедрил агентские AI-инструменты автоматизации (Claude Code) в инженерной команде, что повысило скорость разработки.

ООО «Экосмарт» — Самара, Россия

Январь 2020 – Октябрь 2022

Senior Computer Vision Engineer (частичная занятость)

  • ANPR-система: спроектировал и реализовал систему распознавания автомобильных номеров на кастомных глубоких сетях (детектор MTCNN + собственная сеть-распознаватель).
  • Оптимизация архитектуры: провёл глубокий анализ MTCNN и перестроил пайплайн детекции на P-Net + O-Net, полностью исключив R-Net — снижение нагрузки на GPU без потери точности.
  • Управление данными: кастомизировал LabelImg под формат метаданных компании, руководил командой разметчиков, выстроил пайплайн валидации датасетов, настроил on-prem версионирование данных и экспериментов (MLFlow, DVC).
  • Бизнес-результат: автоматическое распознавание ожидаемых грузовиков на подъезде к объекту с интеграцией в логистическую систему устранило простои транспорта и ускорило разгрузку.

Самарский государственный технический университет — Самара, Россия

Сентябрь 2017 – Сентябрь 2019

Инженер по компьютерному зрению (частичная занятость / аспирантура)

  • Проектирование систем: разработал диагностическую систему машинного зрения на базе глубоких свёрточных нейронных сетей (CNN) для автоматического обнаружения повреждений ж/д скреплений с использованием Python, PyTorch, OpenCV, TorchVision и ускорения CUDA/cuDNN.
  • 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).
  • Интеграция и асинхронный бэкенд: связал модуль машинного зрения напрямую с корпоративной инфраструктурой через кастомный REST HATEOAS API (Django REST Framework) и потоки асинхронных сообщений (Kafka/RabbitMQ). Успешное внедрение в промышленную эксплуатацию в АО НПЦ «Инфотранс» привело к увеличению точности обнаружения дефектов в среднем на 60%.

ВДком (VDcom) — Самара, Россия

Май 2010 – Март 2014

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.

АСУ – ВолгаЭВМкомплекс — Самара, Россия

Февраль 2006 – Май 2010

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.

Образование и научная деятельность

Кандидат технических наук — прикладные нейронные сети

Самарский государственный технический университет, 2019 г.

Тема диссертации: «Интеллектуальная информационно-измерительная система тепловизионного диагностирования технических объектов на основе искусственных нейронных сетей». Научные работы опубликованы на ResearchGate.

Квалификационный аттестат специалиста финансового рынка ФСФР

2008 г.

Один из нескольких предметных доменов — наряду с диагностикой на транспорте, логистикой и математической оптимизацией — в которые доводилось глубоко погружаться при разработке систем под конкретную предметную область.

Диплом инженера (с отличием)

Самарский государственный технический университет, 2002 г.

Контакты