01
CupIT2020-DS-final
Хакатон Cup IT, 3 место. Подходит как доказательство быстрого data science цикла: постановка, эксперимент, оценка и прикладной результат.
ОткрытьМосква · Backend systems
Кущ Артем
Ведущий разработчик бэкенда
Строю надёжные распределённые системы с фокусом на задержки, наблюдаемость и результат.
Опыт
Опыт и ключевые результаты
Роли, проекты и вклад в продукт
Языки
Языки
Русский свободно, английский для работы и общения
Образование
Образование
Математика и data science как база для backend и ML
Стек
Стек
Технологии, с которыми я работаю
Проекты
Выбранные репозитории и инженерные кейсы
Репозитории, где видны подход к данным, backend и инженерной реализации
02
Fintech Security Superhero
Финальный этап хакатона Fintech Security Superhero. Это удобный пример командной работы, быстрой интеграции и доведения идеи до результата.
Открыть03
GoFast
Современный Go-проект с более актуальным стеком. Хорошо показывает backend-подход, структуру сервиса и готовность к развитию.
Открыть04
lem-in
School 42 проект на C: графы, поиск путей и аккуратная реализация. Это сильный маркер алгоритмического фундамента и инженерной дисциплины.
Открыть05
ML Models on Pulsar
Сравнение ML-моделей на pulsar dataset. Хорошо показывает экспериментальный подход, сравнение метрик и аккуратную работу с данными.
Открыть06
SiameseDCGAN
Эксперименты с embedding layers и contrastive loss на MNIST. Хорошая иллюстрация интереса к deep learning и экспериментам с архитектурами.
ОткрытьСтатьи и выступления
Публикации и выступления
Материалы, где есть прикладной ML и опыт выступлений на митапах
01
СтатьяПроектирование микросервисов на Go: типичные сложности и лучшие практики
Статья о том, как проектировать микросервисы на Go: от постановки требований и оценки нагрузки до оптимизации RPS, работы с GC и практик вроде буферизации, gRPC, sync.Pool и кешей.
Открыть02
СтатьяSiameseDCGAN with embedding layers and contrastive loss
Статья про siamese DCGAN на Keras: как one-shot learning и embedding layers помогают работать с малым объёмом данных, а contrastive loss применяется для классификации и генерации изображений.
Открыть03
ВыступлениеOneTwoTrip meetup
Короткий разбор про проектирование микросервисов на Go: типичные сложности и практики, которые помогают держать баланс между скоростью и простотой.
ОткрытьСертификаты
Сертификаты и курсы
Подтверждённые курсы и сертификаты по основным направлениям
Всего
22 сертификата
Контакты
Связаться со мной
Лучше всего отвечаю в Telegram и по email.