Привет, я

Руслан Ахметзянов

Product Data Scientist AI/LLM Engineer

Превращаю данные в инсайты, которые двигают продукт вперед Проектирую и внедряю production-системы на базе LLM: агенты, шлюзы, семантический поиск

Проекты → Связаться

года опыта

100+

аналитических исследований

10+

автоматизированных отчётов / ETL-процессов

Как Product Data Scientist,

я провожу сложные исследования пользовательского поведения, A/B-тесты и создаю дашборды для принятия решений. Проектирую аналитические события и схемы данных в OpenSearch и PostgreSQL.

Как AI/LLM Engineer,

я проектирую и внедряю production-системы на базе LLM: автономные агенты, мульти-провайдерные шлюзы, RAG и семантический поиск — от архитектуры до деплоя, observability и операционной надёжности.

Опыт работы

03/2025 – Present

SDET (AI/LLM)

Gear Games

Создал GLaDOS — автономного агента ревью merge request'ов в GitLab, покрывающего 100% MR компании (Python, TypeScript, Java, C#): сократил медианное время до влития с ~1.5 рабочих дней до ~5 часов, с LSP-анализом кода, алертингом и observability.

Спроектировал и построил с нуля Insight — внутреннюю LLM-платформу для сбора и анализа контента соцсетей: модель данных, планировщик сбора, обработка на промптах, веб-интерфейс, миграции, контейнеризированный CI/CD-деплой.

Разработал GearGate — production LLM-шлюз и control plane над OpenAI, Anthropic, LiteLLM и OpenRouter: маршрутизация провайдеров, стриминг, аутентификация, политики доступа к моделям, квоты, фолбэки, observability.

Разработал систему LLM-локализации для 18+ языков: семантический поиск на эмбеддингах, translation memory и human-in-the-loop подтверждение.

Разработал агентные AI-системы с использованием инструментов, событийным исполнением и MCP-интеграциями (YouTrack, GitLab, OpenSearch, внутренняя вики); расширил мульти-агентную платформу Hermes на Kubernetes.

Построил прикладные NLP-решения: анализ тональности и тем, оценка кандидатов, анализ интервью; исследовал low-latency стриминговые TTS/STT и Voice AI.

03/2024 – 03/2025

Product Data Scientist

Gear Games

Проведение глубоких аналитических исследований. Повысил Retention-1d на 30%.

Развитие культуры A/B тестирования. Создал автоматизированные алгоритмы дизайна и расчёта результатов A/B тестов. Завершил 20+ успешных AB-тестов.

Улучшение аналитических Python-библиотек. Создал библиотеку многопоточной выгрузки данных, ускорив загрузку в 50+ раз.

Создание ML-кластеризации входящего трафика. Достоверная разметка игроков по 1-му дню жизни в игре для маркетинга и монетизации. Сократил расходы на закупку трафика, повысил точность таргетинговой системы офферов.

Автоматизация отчётности и ETL-процессы. Разработал отчёт по ретеншену, кросс-проектный отчёт по основным метрикам и многие др.

Развитие AI, LLM, MCP. Создал AI-инцидент менеджера, ассистента по заведению задач, MCP YouTrack, MCP OpenSearch.

Создание дашбордов, схем ивентов и алертинга в реальном времени на базе OpenSearch/ElasticSearch.

Активное участие в жизни компании, разработка системы прогнозов для внутреннего турнира.

Исполнение обязанностей тимлида команды разработки и техлида отдела аналитики: проведение дейликов, планирование спринтов, координация работы кросс-функциональной команды из 10 человек, выпуск фичей.

Кликни, чтобы увидеть больше

10/2022 – 01/2024 (удалённо)

Quantitative Researcher / Algorithmic Trading Developer

Quant Shark Technologies (startup)

Изучил и реализовал стратегию из научной статьи "Evaluation of Dynamic Cointegration-Based Pairs Trading Strategy in the Cryptocurrency Market" (Masood Tadi, Irina Kortchemski, 2021).

Курировал создание и архитектуру внутренней системы бэктестинга: подготовка технической документации для разработки; проектирование пайплайна загрузки данных, расчётов и визуализации результатов.

Автоматизировал исполнение торговых стратегий через API криптобирж: реализовал стратегию автоматического открытия позиций при публикации новостей о листинге токена; обеспечил развёртывание стратегий на выделенном сервере под управлением Ubuntu.

Проводил оптимизацию параметров торговых стратегий.

01/2023 – 08/2023

Computer Networks and Systems Technician

Gubkin University

Оказывал техническую поддержку компьютерных сетей и систем в отделе научно-образовательной интеграции.

06/2022 – 08/2022

ML & AI Research Intern

NIIgazEconomika LLC

Исследования в области детектирования аномалий во временных рядах с применением методов машинного обучения и искусственного интеллекта.

Разработал модель детекции аномалий временных рядов при помощи кластеризации.

Stack

Продуктовая аналитика

Python (pandas, numpy, scipy, matplotlib, seaborn) +

Продвинутый уровень: многопоточность, оптимизация памяти, сложная агрегация данных. Ускорил ETL в 50+ раз.

Уровень: Продвинутый

Jupyter / Google Colab +

Jupyter / Google Colab — исследовательский анализ данных (EDA), визуализация инсайтов и подготовка интерактивных отчётов. Используется для прототипирования аналитических решений и быстрой проверки гипотез.

Уровень: Продвинутый

SQL (PostgreSQL, OpenSearch, MySQL) +

SQL (PostgreSQL, OpenSearch, MySQL) — написание сложных запросов с оконными функциями, CTE и агрегациями; создание автоматизаций и обёрток на Python. Применяется для подготовки витрин данных, расчёта продуктовых метрик и оптимизации хранилищ под аналитические задачи.

Уровень: Средний

BI (OpenSearch Dashboards) +

Продвинутый уровень: провёл 10+ успешных A/B-тестов, статистический анализ, определение значимости.

Уровень: Продвинутый

Git / Cron / REST API +

Продвинутый уровень: проектирование схем событий, создание дашбордов, алертинг в реальном времени.

Уровень: Продвинутый

Инженерия и ML

Python (pandas, numpy, scipy, scikit-learn, multiprocessing, joblib) +

Продвинутый уровень: FastAPI, async/await, метапрограммирование, создание библиотек. Разработка MCP серверов.

Уровень: Продвинутый

ML & AI (scikit-learn, catboost, xgboost, tensorflow, statsmodels, prophet) +

Средний уровень: кластеризация, классификация, time series, feature engineering. Создал ML-кластеризацию трафика.

Уровень: Средний

AI Tools (Cursor, Open WebUI, LangFlow, Ollama) +

Базовый уровень: проектирование ETL процессов, автоматизация отчётности, работа с таблицами.

Уровень: Базовый

Orchestration & DevOps (Docker, Airflow, Cron, Git) +

Базовый уровень: использование облачных сервисов для аналитики, базовые знания инфраструктуры.

Уровень: Базовый

APIs & Integration (REST, FastAPI, Requests) +

Средний уровень: разработка AI-менеджеров, MCP серверов, интеграция LLM. Создал AI-инцидент менеджера.

Уровень: Средний

Образование и публикации

Бакалавр

Прикладная математика

Российский государственный университет нефти и газа имени И.М. Губкина

2019 - 2023

Открыть PDF

Переводчик в сфере профессиональной коммуникации

Российский государственный университет нефти и газа имени И.М. Губкина

2021 - 2023

Открыть PDF

Конференции

2023

Участие в конференции Губкинского университета «VII Региональная Научно-Техническая Конференция: Губкинский Университет В Решении Вопросов Нефтегазовой Отрасли России»

19-20 октября 2023 г.

Работа включена в сборник трудов: стр. 319.

Ссылка на elibrary Ссылка на электронную версию издания

2023

Участие в конференции Distributed Computer and Communication Networks: Control, Computation, Communications

25-29 сентября 2023 г., Москва, Россия

Тема выступления: Machine Learning-Based Models for the Compressibility Factor of Natural Gas

По итогам конференции расширенная версия нашей с Ольгой Кочуевой работы будет напечатана в журнале Lecture Notes in Computer Science (LNCS) | Springer.

Ссылка на программу конференции Подтверждение 1 Подтверждение 2

2022

V Всероссийская молодежная научная конференция "Актуальные проблемы нефти и газа"

2-е место

21 октября 2022 г.

Уровень участия: Российский

Организаторы: Институт проблем нефти и газа Российской академии наук

Тема работы: Применение методов машинного обучения и искусственного интеллекта для аппроксимации коэффициента сжимаемости природного газа

Научный руководитель: Ольга Кочуева, кандидат технических наук, доцент кафедры прикладной математики и компьютерного моделирования РГУ им. И.М. Губкина

Ссылка на elibrary Посмотреть диплом

Руслан Ахметзянов

Опыт работы

SDET (AI/LLM)

Product Data Scientist

Quantitative Researcher / Algorithmic Trading Developer

Computer Networks and Systems Technician

ML & AI Research Intern

Stack

Продуктовая аналитика

Инженерия и ML

Образование и публикации

Публикации

Surrogate Models for the Compressibility Factor of Natural Gas

Machine Learning-Based Models for the Compressibility Factor of Natural Gas

Intelligent Analysis Of Geological And Geophysical Data

A series of digests of scientific and technical publications

Конференции

Участие в конференции Distributed Computer and Communication Networks: Control, Computation, Communications

V Всероссийская молодежная научная конференция "Актуальные проблемы нефти и газа"

Проекты

Раздел находится в разработке

Связаться со мной