Артем Себ

⚡ Обычно отвечаю на заявку в течение 10–15 минут. При наличии свободного окна можем провести консультацию уже в день обращения.

ML Engineer с 6+ годами опыта в индустрии. Сейчас работаю в Avito Tech над рекомендательными системами и AdTech-моделями: ranking, прогнозирование, оценка охватов и другие задачи ML на больших данных.

До этого более двух лет работал ML-инженером в Сбере:

• обучал и дообучал LLM: SFT, RLHF, DPO, SMPO;

• разрабатывал поисковый сервис на Elasticsearch;

• создавал рекомендательную систему на основе Zero-Shot-моделей;

• выступал с техническими докладами на ODS-митапах и DataFest.

Параллельно два года работаю ревьюером на курсе «Инженер машинного обучения» в Яндекс Практикуме. Проверил сотни студенческих проектов и хорошо понимаю, на каких этапах чаще всего возникают сложности и как объяснить сложную тему понятным языком, без лишней академичности.

Образование:

— ИТМО, международная магистерская программа "Machine Learning and Big Data";
— South China University of Technology, Computer Science.

Основной стек: Python, PyTorch, Hugging Face, LangChain, RAG, Spark, Polars, Pandas, Airflow, Kubeflow, FastAPI, ClickHouse, PostgreSQL, Docker.

Подготовка к собеседованиям

Подготовка к позициям ML Engineer и Data Scientist уровня junior, middle и senior.

Можем разобрать:

• Классический ML;

• Python и алгоритмы;

• NLP, LLM, RecSys;

• ML System Design;

• Продуктовые и бизнес-кейсы;

• Поведенческую часть интервью.

Провожу мок-интервью в формате реального собеседования. После встречи даю подробный разбор: сильные стороны, пробелы в знаниях, ошибки в ответах и конкретный план подготовки.

Классическое машинное обучение

Могу провести отдельные занятия или выстроить последовательную программу по темам:

• Постановка ML-задачи и выбор метрик;

• Линейные модели;

• Деревья решений, Random Forest и градиентный бустинг;

• Подбор признаков и feature engineering;

• A/B-тестирование и оценка качества модели в продакшене.

NLP и LLM

Помогу разобраться как в классическом NLP, так и в современных LLM-системах:

• Эмбеддинги и языковые модели;

• Архитектура Transformer и механизм Attention;

• BERT, T5 и decoder-only модели;

• Fine-tuning, SFT и instruction tuning;

• RLHF, DPO и другие методы alignment;

• RAG: индексация, retrieval, reranking и генерация;

Рекомендательные системы

Помогу выстроить системное понимание рекомендательных систем:

• Постановка задачи и выбор целевой метрики;

• Collaborative filtering и content-based подходы;

• Implicit feedback;

• ALS и матричная факторизация;

• Candidate generation и ranking;

• Offline- и online-метрики;

ML System Design

Разберём, как проектировать ML-системы целиком:

• Формулирование бизнес-задачи;

• Сбор и разметка данных;

• Построение обучающей выборки;

• Выбор baseline и модели;

• Offline- и online-метрики;

• Feature store и model registry;

• Мониторинг качества модели и данных;

• Переобучение и работа с деградацией;

Карьерная консультация

Провожу ревью:

• Резюме;

• Все этапы воронки собеседования;

• LinkedIn-профиля;

• Рассказа о профессиональном опыте.

Как проходит работа

Перед консультацией вы можете прислать описание задачи, вакансию, резюме, код или список вопросов. Я заранее изучу материалы, чтобы не тратить время встречи на погружение в контекст. При желании можем созвониться на 10-15 минут, чтобы лучше сформулировать запрос.

Во время занятия работаем в интерактивном формате: разбираем теорию, рисуем архитектуру, пишем код или проводим интервью - в зависимости от вашей цели.