Павел Жиряков

Over 10 years of experience in data engineering and founding roles, with a strong background in building startup infrastructure from scratch - both in the cloud and on-prem: marketplace analytics, AI bot platforms, large-scale data extraction. Built distributed scraping and processing pipelines collecting millions of products daily, and architected multi-tenant systems designed to run 1000+ agents, owning everything end-to-end, from a blank repo to production.

Для Senior/Lead Data Engineers, ML Engineers и тех, кто строит AI-системы:

• Как проектировать AI-агентов под реальные бизнес-задачи: от архитектуры до деплоя и доведения их до практической пользы.

• Как построить распределённый сбор данных в больших объёмах: реверс-инжиниринг закрытых API, обход защит, координация воркеров, дедупликация.

• Как спроектировать data-платформу и инфраструктуру с нуля: пайплайны, хранение, обработка больших объёмов данных, cloud и on-prem.

• Разбор вашей текущей архитектуры: сильные места, узкие места и приоритеты по их устранению.

• Как проходить или проводить собеседования на роли уровня Senior+ в зарубежных командах.

Для технических фаундеров (особенно solo / pre-PMF):

• Как использовать AI в бизнесе и в построении самого продукта.

• Как с нуля выстроить техническую основу стартапа: архитектура, инфраструктура, выбор стека под ранние стадии и под рост.

• Как спроектировать систему так, чтобы хватило одного-двух инженеров

• Как принимать архитектурные решения на ранней стадии, не загоняя себя в дорогой технический долг.

• Что угодно из моего опыта — построение стартапов и data-инфраструктуры с нуля, cloud и on-prem.

Для тех, кто хочет разобраться в технических вещах:

• Код и инженерные практики: как писать поддерживаемые системы.

• Kubernetes, контейнеры, деплой.

• Инфраструктура: AWS, GCP, Proxmox.

• Data engineering: пайплайны, хранилища, обработка больших объёмов данных, ETL.

• Распределённые системы: как они устроены и как эффективно с ними работать.