Здравствуйте, меня зовут

Игорь Калинин

Igor Kalinin

Backend & Data Developer

Ожидаемый выпуск в 2028 году, РГПУ им. А. И. Герцена Профиль: Технологии разработки программного обеспечения и обработки больших данных

Контакты

Email nerdysnake@yandex.ru GitHub @NerdySnake6 Telegram @nerdysnake6 Телефон +7 921 585-09-22
Местоположение Россия, Санкт-Петербург

Разрабатываю backend-сервисы и приложения для работы с данными: интегрирую API, автоматизирую сценарии, проектирую бизнес-логику и превращаю данные в понятные инструменты для пользователей и команд.

Python & ML Анализ данных и машинное обучение
Big Data Работа с большими массивами данных
Прогнозирование Модели для предсказания показателей
Игорь Калинин

Проекты

3 место в AI Business SPB

Классификатор поисковых медиазапросов: ML-пайплайн для кейса Mediascope

Хакатонный ML-проект для классификации шумных пользовательских поисковых запросов по полям TypeQuery, Title и ContentType. Решение определяет, относится ли запрос к профессиональному видеоконтенту, нормализует название или франшизу и предсказывает тип контента: фильм, сериал, мультфильм, мультсериал и другие категории.

Инструменты
PythonpandasNumPyscikit-learnRapidFuzzSciPypymorphy3
Что сделано

Отвечал за финальную интеграцию ML-пайплайна: дорабатывал инференс, стабилизировал решение, подготавливал артефакты модели и объединял сигналы разных компонентов в итоговое предсказание. В проекте использовались словарный матчинг, retrieval-модуль, сопоставление на основе эмбеддингов, графовые признаки и калибровка предсказаний.

Командный хакатонный проект, занявший 3 место в AI Business SPB. Репозиторий: GitHub

2 место в финале if...else 2026

Трамплин: AI-карьерная платформа для студентов и работодателей

Трамплин — интерактивная карьерная платформа для студентов, выпускников, работодателей, кураторов и администратора. Сервис объединяет карту и ленту возможностей с фильтрами по типу, формату, локации и вознаграждению, поддерживает отклики, сопроводительные письма, нетворкинг между студентами и отдельные рабочие сценарии для каждой роли.

Инструменты
FastAPISQLAlchemyAlembicPostgreSQLJavaScriptViteBootstrapJWTDockerYandex Maps APIYandex GeocoderPolza.ai API
Что сделано

Разработал backend и значительную часть frontend-логики: JWT-авторизацию, ролевую модель applicant/employer/curator/admin, отклики и статусы, работу с PostgreSQL и Alembic-миграциями, геокодирование и карту возможностей. Подключил AI-сценарии через Polza.ai: улучшение описаний вакансий, подбор тегов, генерацию черновиков сопроводительных писем и AI-проверку рисков для куратора. Настроил двухуровневую модерацию с rule-based фильтром, AI-чеклистом и ограничениями для новых работодателей.

Проект занял 2 место в финале if...else 2026. Реализованы ролевая модель, модерация рисков, карта возможностей, PostgreSQL-хранилище, Docker-деплой, техническое SEO и полный цикл AI-интеграций. Ссылки: Открыть сайт•GitHub

BondLadder: подбор портфеля облигаций Московской биржи

Веб-приложение для подбора портфеля облигаций Московской биржи под сумму и срок пользователя. Сервис загружает данные MOEX, очищает и фильтрует выпуски, а затем формирует готовый набор бумаг с учетом срока, ликвидности и базовой диверсификации.

Инструменты
PythonFlaskFlask-WTFFlask-LoginFlask-SQLAlchemypandasrequestsopenpyxlMOEX ISSSQLitePostgreSQL
Что сделано

Реализовал backend-логику сервиса подбора облигационного портфеля: загрузку данных MOEX, очистку и нормализацию выпусков, расчет параметров бумаг и фильтрацию по сроку, ликвидности и бюджету пользователя. Отвечал за аналитическую часть и основной backend. Фронтенд и подключение БД выполнялись совместно с напарником.

Коммерческий проект в приватном репозитории. При необходимости готов поделиться кодом, архитектурой и деталями реализации по запросу.

Навыки

Анализ данных

PythonNumPypandas

Инструменты для обработки информации, статистического анализа и построения прогнозных моделей. Позволяют работать с данными любого объёма: от таблиц до миллионов записей.

Базы данных

SQLPostgreSQL

Работа со структурированными данными: выборки, фильтрация, агрегация и аналитические запросы. Основной инструмент для извлечения нужной информации из больших хранилищ.

AI и прогнозирование

Machine LearningScikit-learn

Построение моделей для поиска закономерностей в данных и прогнозирования показателей. Помогает принимать решения на основе фактов, а не интуиции.

Автоматизация

n8n

Базовое понимание автоматизации процессов и интеграционных сценариев: работа с API, передача данных между сервисами, построение последовательностей шагов и no-code/low-code workflow. Понимаю общие принципы RAG и AI-автоматизации.

Обо мне

Я backend-разработчик и специалист по данным с опытом создания прикладных сервисов, которые работают с данными и помогают принимать решения на их основе. Мне интересны задачи на стыке разработки и аналитики: интеграция API, сбор и хранение данных, их обработка, анализ и превращение результатов в рабочий инструмент для пользователя или команды.

Работаю с Python, SQL, FastAPI, Flask и аналитическими библиотеками. Комфортно чувствую себя в проектах, где нужно одновременно продумать backend-архитектуру, реализовать бизнес-логику и разобраться в данных: очистить их, найти закономерности, подготовить выводы и сделать результат понятным и удобным в использовании.

Сертификаты