Дмитрий Пичугов

27 января 2026

37

Backend разработчик

$3 000

26 лет (родился 1 января 2000 года)

Москва

Категория

Разработка

Занятость

Полный

Профессиональные навыки

Опыт работы 3 года 6 месяцев

Август 2022 — Ноябрь 2025
3 года 3 месяца

Backend-разработчик , Яндекс

  • — Разработал и внедрил AI-агент поддержки
  • — Внедрил RAG-подход
  • — AI-агент для техподдержки платформы
  • — AI-агент для CI/CD-инфраструктуры
  • — Анализ результатов сборок
  • — Разработал сервис прогнозирования
  • — Интеграция с внутренними API логистики
  • — Оптимизировал процессы CI/CD и интеграцию кода
Март 2022 — Июнь 2022
3 месяца

Python-разработчик , Т-Банк

  • — Полная ответственность за проект
  • — Использованы методы ML и LLM
  • — Разработал сервис автоматизации
  • — Автоматическое заполнение форм
  • — Технологии: Python, FastAPI, OpenAI GPT-3

Обо мне

Разработал и внедрил AI-агент поддержки для команды картографов, интегрированный в мессенжере: – Полная ответственность за проект: архитектура, интеграция, продакшен и поддержка. – Агент обрабатывал запросы специалистов, искал релевантную информацию в документации через Intrasearch API и формировал ответы с помощью OpenAI GPT-4 API. – Внедрил RAG-подход для повышения релевантности ответов, оптимизировал промпты и цепочки сообщений. – Время получения ответов снизилось на 46.2%, среднее время консультации — в 2.5 раза. – Технологии: Python, Django, OpenAI GPT-4 API, Docker, Redis, Asyncio, Aiohttp, TVM2, Intrasearch API, Prompt Engineering. - На основе успешных результатов агент был масштабирован на два дополнительных проекта: – AI-агент для техподдержки платформы тестирования беспилотников - проектирование архитектуры, интеграция с системой уведомлений, деплой в Yandex Deploy. – AI-агент для CI/CD-инфраструктуры - анализ результатов сборок, генерация решений и отчетов для тимлидов; успешные билды без ручного вмешательства выросли на 21.4%. - Разработал сервис прогнозирования скорости доставки заказов ровером: – Использовал модели временных рядов, градиентного бустинга и ансамбли для прогнозирования времени маршрута с учетом трафика, погодных условий и загруженности курьеров. – данных. – Интеграция с внутренними API логистики и телеметрии, построение пайплайна обновления Средняя ошибка прогноза снизилась на 28.6%, точность SLA-доставок выросла в 2 раза. – Технологии: Python, FastAPI, Pandas, NumPy, Scikit-learn, PostgreSQL, Asyncio, Docker, CI/CD, Yandex Deploy, внутренние API логистики. - Оптимизировал процессы CI/CD и интеграцию кода: – Перенос автогенерируемых ya.make-файлов, корректное подключение зависимостей. – Разработка Sandbox-задач и post-commit-actions, сокращение времени проверок CI/CD на 9.8%. – Технологии: Python, Go, CI/CD (Sandbox, post-commit actions), ya.make, CMake.

Иностранные языки

Русский

Родной

Образование

Высшее
Очная
2026

Национальный исследовательский университет «Высшая школа экономики», Москва

Факультет компьютерных наук
Прикладная математика и информатика