Lead ML Engineer. I build LLM systems, RAG, and multimodal pipelines for enterprise clients in on-premise and air-gapped environments. 5.5 years in ML and engineering; the last three years end-to-end LLM, OCR/VLM, and RAG platforms in production.
Fullstack and team-lead background (Django/React) means I ship models as services, not proof-of-concepts.
- Multi-platform AI for BIM design - production system for 160+ engineers at a major developer. Scenario Engine (n8n-style visual DAG with LLM-aware nodes, versioning, rollback) replacing an earlier multi-agent architecture. Polyglot monorepo: FastAPI backend, Tauri v2 + React 19 desktop, C# Revit plugin with a custom MCP protocol. Full MLOps contour - OpenTelemetry + Langfuse + Prometheus + Grafana + Jaeger.
- Visual RAG platform for engineering documentation - hybrid retrieval (Visual RAG on PDF/DWG via Jina v4 + Text2SQL via Qwen on vLLM), four domain profiles, air-gapped deployments. Three enterprise clients shipped.
| Category | Role | What | Stack highlights |
|---|---|---|---|
| BIM / AEC | Full-stack, solo | Multi-platform AI for BIM design, 160+ engineers; Scenario Engine, MCP, OIDC | FastAPI · Tauri v2 · C#/Revit · MCP |
| Visual RAG | Solo, 3 clients | Hybrid Visual RAG + Text2SQL for engineering docs, 4 domain profiles, air-gapped | vLLM · ChromaDB · Jina v4 · PaddleOCR |
| Industrial B2B | Tech Lead, team 1+1 | LLM commercial-proposal automation, VLM field extraction on Qwen with xgrammar constrained decoding | Qwen 3.6 · xgrammar · networkx |
| EdTech VR | ML advisor / mentor | VR language-learning AI; Whisper + phoneme-alignment for pronunciation, MMS-TTS fine-tune on a low-resource creole | Whisper · MMS-TTS |
- 10+ tenders and presale analyses over 10 months - multilingual ticket systems, LLM infrastructure cost modelling, HR analytics, GNN for BIM, air-gapped platforms for design institutes.
- Tech lead on the BIM AI system - architecture, decomposition, code review, the Scenario Engine rewrite. CQRS split, OIDC + RBAC, full audit log.
- Hiring & mentoring - 10 interviews on LLM + RecSys, 2 candidates accepted by the client. ML mentoring for external teams on speech pipelines and low-resource TTS/ASR.
dungeon-master-ai - a multimodal, AI-powered D&D desktop app built from scratch in Rust + Tauri v2 + React 19. Not a wrapper: a real server-authoritative rules engine (initiative, turn-gating, conditions, damage resistance, spell resolution), an on-device LLM runtime (mistral.rs sidecar, no cloud required) with optional cloud providers, multimodal output (DM narration + generated maps/illustrations + video), and SRD rules retrieval (RAG). Cross-platform signed bundles (Windows/macOS/Linux), tagged releases, 11 CI workflows.
Five production-grade ML projects on a shared cookiecutter template. Full stack: PyTorch Lightning · Hydra · MLflow · DVC · FastAPI · Docker · GitHub Actions · MkDocs · HuggingFace Hub.
| Project | Task | Main model | Metrics | Status |
|---|---|---|---|---|
chest-xray-classifier    |
3-class pneumonia classification | ConvNeXt-V2-Tiny | acc 91.3% · F1 90.3% · AUROC 97.5% | ✅ v0.1.0 |
brain-mri-segmentation  |
Binary brain-tumor segmentation | SegFormer-B2 | Dice 65.5% · IoU 66.2% · Pixel acc 99.7% | ✅ v0.1.0 |
vehicle-keypoints   |
14-keypoint car pose (CarFusion, n=12 761) | YOLO26-pose + ViTPose-S (baseline) | OKS-mAP 50.4% · mAP50 70.4% · PCK@0.05 76.1% | ✅ v0.1.0 |
cardio-risk-rf  |
Tabular cardiovascular-risk classification (n=70 000, test n=10 501) | LightGBM + RandomForest (baseline, ROC-AUC 79.5%) | ROC-AUC 79.8% · PR-AUC 78.1% · F1 73.8% · Brier 0.182 | ✅ v0.1.0 |
grnti-text-classifier  |
Russian scientific-text classification, 28 GRNTI codes (test n=2 772) | XLM-RoBERTa-base + ruBERT-base (baseline, Top-1 72.9%) | Top-1 72.4% · Top-5 96.8% · Macro F1 72.3% | ✅ v0.1.0 |
ml-project-template  |
Cookiecutter scaffold for the five above | - | 12/12 meta-tests green | ✅ Stable |
Shared features across all five models: patient-/scene-level splits with no leakage, bilingual EN+RU README, multi-stage Docker, HF Hub model cards with widgets, DVC-tracked artefacts, Python 3.12+3.13 matrix CI, ruff + mypy + deptry + bandit + interrogate + pre-commit quality gates, self-hosted coverage badges.
vehicle-keypoints is the most-pulled model of the set - 1k+ downloads/month on the Hub.
A sister line of work around vehicle-keypoints, exploring sim-to-real training and lifting 2D keypoints to 3D pose:
- ue5-vehicle-synth - an Unreal Engine 5 C++ plugin that captures keypoint-annotated vehicle datasets from Epic's City Sample, on a 24-point schema (CarFusion-14 compatible), with the cinematic generation demo above, a published 🤗 dataset, and live docs.
- citysample-vehicle-keypoints-24pt - a 24-point YOLO-pose model trained entirely on the synthetic renders (mAP@50 0.859 on held-out synthetic val); a proof that the generated dataset is clean and learnable.
- Monocular 3D pose baseline inside vehicle-keypoints: detector -> PnP (
solvePnPRansac) against a canonical rigid car wireframe -> 6DoF pose, evaluated on the ApolloCar3D benchmark (median rotation error 13.6 deg, 37.8% of cars within 10 deg).
🇷🇺 Русская версия
Lead ML Engineer. Строю LLM-системы, RAG и мультимодальные пайплайны для корпоративных заказчиков в on-premise и air-gapped контурах. 5.5 лет в ML и разработке; последние три года - LLM, OCR/VLM и RAG-платформы в проде от архитектуры до поддержки.
Fullstack и тимлид-бэкграунд (Django/React) помогает доводить модели до полноценных сервисов, а не PoC.
- Мультиплатформенная AI-система для BIM-проектирования - продакшен, 160+ инженеров крупного девелопера. Scenario Engine (визуальный DAG с LLM-нодами, версионированием, rollback) вместо прежней мультиагентной архитектуры. Polyglot-монорепо: FastAPI-бэкенд, Tauri v2 + React 19 desktop, C# плагин для Revit с собственным MCP-протоколом. MLOps-контур: OpenTelemetry + Langfuse + Prometheus + Grafana + Jaeger.
- Visual RAG-платформа для инженерной документации - гибридный ретривал (Visual RAG по PDF/DWG на Jina v4 + Text2SQL через Qwen на vLLM), 4 domain-профиля, air-gapped развёртывания. Три корпоративных заказчика закрыто.
| Категория | Роль | Что | Стек |
|---|---|---|---|
| BIM / AEC | Full-stack, соло | Мультиплатформенная AI-система, 160+ инженеров; Scenario Engine, MCP, OIDC | FastAPI · Tauri v2 · C#/Revit · MCP |
| Visual RAG | Соло, 3 заказчика | Гибрид Visual RAG + Text2SQL для инженерной документации, 4 domain-профиля, air-gapped | vLLM · ChromaDB · Jina v4 · PaddleOCR |
| Промышленный B2B | Tech Lead, команда 1+1 | LLM-автоматизация КП, VLM-экстракция на Qwen через xgrammar | Qwen 3.6 · xgrammar · networkx |
| EdTech / VR | ML-ментор | VR-платформа для изучения языков; Whisper + phoneme-alignment, MMS-TTS под низкоресурсный креольский | Whisper · MMS-TTS |
- 10+ тендеров и пресейл-аналитики за 10 месяцев - мультиязычные тикет-системы, cost-модели LLM-инфраструктуры, HR-аналитика, GNN-планировщик для BIM, air-gapped платформы для проектных институтов.
- Техлид на BIM AI-системе - архитектура, декомпозиция, код-ревью, rewrite на Scenario Engine. CQRS, OIDC + RBAC, полный audit-log.
- Найм и менторинг - 10 интервью LLM + RecSys, 2 кандидата приняты заказчиком. ML-менторинг внешних команд по речевым пайплайнам и low-resource TTS/ASR.
dungeon-master-ai - мультимодальное AI-приложение для D&D, написанное с нуля на Rust + Tauri v2 + React 19. Не обёртка: настоящий серверный движок правил (инициатива, контроль ходов, состояния, сопротивления урону, разрешение заклинаний), локальный LLM-рантайм (sidecar на mistral.rs, без облака) с опциональными облачными провайдерами, мультимодальный вывод (нарратив + генерация карт/иллюстраций + видео) и SRD-ретривал правил (RAG). Кроссплатформенные подписанные сборки (Windows/macOS/Linux), релизы с тегами, 11 CI-workflow.
Пять production-grade ML-проектов на общем cookiecutter-шаблоне. Тот же набор моделей и метрик, что в английской версии таблицы выше - карточки на GitHub и HuggingFace доступны по тем же ссылкам. Самая скачиваемая модель набора - vehicle-keypoints (1000+ загрузок в месяц на Hub).
Смежная линия работ вокруг vehicle-keypoints - sim-to-real обучение и переход от 2D-ключевых точек к 3D-позе:
- ue5-vehicle-synth - плагин на C++ для Unreal Engine 5, который снимает размеченные датасеты ключевых точек авто из City Sample Epic по 24-точечной схеме (совместимой с CarFusion-14), с кинематографичным demo-роликом выше, опубликованным 🤗 датасетом и живой документацией.
- citysample-vehicle-keypoints-24pt - 24-точечная YOLO-pose модель, обученная полностью на синтетических рендерах (mAP@50 0.859 на отложенном синтетическом val); доказательство, что сгенерированный датасет чист и обучаем.
- Монокулярный 3D-baseline внутри vehicle-keypoints: детектор -> PnP (
solvePnPRansac) по каноничному жёсткому каркасу авто -> 6DoF поза, оценка на бенчмарке ApolloCar3D (медианная ошибка поворота 13.6 deg, 37.8% машин в пределах 10 deg).