Дистилляция модели для скриншотов
Эксперимент по дистилляции vision-модели с 7B до 2B с воспроизводимым пайплайном обучения и оценки. Небольшой proof of concept, включая места, где метрики ввели меня в заблуждение.
Мы можем поработать вместе.
Проверить AI-функцию, собрать первую версию продукта или подготовить систему к работе с тысячами пользователей. Я помогаю командам превратить эти задачи в работающее ПО, которое можно проверить на практике.
Начинаем с полезного результата и способа его проверить. Затем определяем объём первой версии, прорабатываем архитектуру и реализацию. По результатам решаем, что делать дальше. Технические компромиссы объясняю через их влияние на продукт, команду и пользователей.
Расскажите, что вы строите, где застряли и что хотите изменить.
sergey.paarfenov@gmail.comНемного о моей работе
Я пришёл в Яндекс Практикум одиннадцатым участником продуктовой команды. Помогал создавать продукт, спроектировал тестовую архитектуру тренажёра, которым ежедневно пользовались 7–10 тысяч студентов, и разработал ML-модель для оценки проектных работ — ещё до ChatGPT.
В TripleTen к этим задачам добавились AI-системы оценки, поиска и тьюторинга. Нужно было ускорить проверку работ, помочь студентам находить нужные материалы и сократить время на подготовку практики. Моя работа охватывала бэкенд, архитектуру и продакшен-релизы. Я участвовал в развитии персонализации обучения и Mastery Depth Tracker, а также помогал запускать программу QA Engineering в США.
В IAWY, где я был CPO, к разработке добавилась ответственность за продуктовое направление. Мы создали AI-тьютора с автоматической проверкой проектных работ, который встраивался в существующие образовательные платформы, и запустили его в двух буткемпах в Латинской Америке.
Сейчас этот опыт помогает мне совмещать продукт и разработку в Aliwio. Как CTO, я создаю CRM для независимых ветеринарных клиник. В Symptomato работаю техническим консультантом: помогаю выбирать технологии для сервиса, где AI собирает контекст перед подключением медицинского специалиста.
Открытые проекты
Память и происхождение данных агента
Экспериментальный стенд для измерения того, как сжатие памяти меняет решения агента, включая результаты, которые противоречили моей собственной гипотезе.
С чем ко мне можно прийти
- AI-идея, которую стоит проверить
- Выбрать узкую задачу, определить базовый вариант для сравнения и собрать работающий прототип. По результатам решить, достаточно ли AI улучшает продукт, чтобы вкладываться в дальнейшую разработку.
- Создание ранней версии продукта
- Собрать первую версию: архитектуру, бэкенд и интерфейс. Вместе с командой решить, что войдёт в первую версию, что может подождать и что нужно подготовить к запуску у первых пользователей.
- Агенты, которых можно оценивать
- Определить корректное поведение, разобрать ошибки в работе с инструментами, памятью и поиском. Построить проверки, которые команда сможет повторять, включая восстановление после ошибок.
- Меньшие модели и измеримые компромиссы
- Проверить дистилляцию и дообучение для конкретной задачи. Сравнить качество, задержку и расход памяти с базовой моделью на той же нагрузке и решить, оправдан ли переход на меньшую модель.
- Образовательные платформы и автоматическая оценка
- Создать тестовую архитектуру тренажёров, ML-оценку проектных работ и полезную обратную связь. Связать эти системы с программой обучения: где студенты застревают и какая практика поможет им двигаться дальше.
Образование и курсы
Stanford University
Saint Petersburg State University of Finance and Economics
Информационные системы
Как я к этому пришёл
Aliwio
CTO
февраль 2026 — настоящее время
Отвечаю за техническую архитектуру и продуктовую разработку CRM для независимых ветеринарных клиник.
Symptomato
Технический консультант
январь 2026 — настоящее время
Консультирую по технологиям для сервиса, который объединяет AI и помощь человека: AI-ассистент собирает контекст, после чего к разговору подключается медицинский специалист.
TripleTen
AI-инженер
декабрь 2021 — январь 2026
Создавал и выпускал AI-системы оценки, поиска и тьюторинга, связывая бэкенд-разработку с образовательным опытом студентов.
Спроектировал и реализовал систему AI-оценки с архитектурой plan and execute, которая заменила 140 устаревших заданий со свободным вводом. Задержка проверки сократилась с 8,4 до 0,6 секунды — в 14 раз.
Построил пайплайн векторизации CMS на Kafka, который обрабатывал 100 тысяч элементов в день, и реализовал семантический поиск от начала до конца. Вовлечённость в поиск выросла на 9%, а время до нужного контента сократилось на 18%.
Автоматизировал генерацию практических заданий, сократив время их подготовки с 2,5 часов до 18 минут. Создал внутренний плагин для VS Code, который сократил среднее время поддержки одного обращения студента на 27%.
Работал над голосовым режимом AI-тьютора Dot, соединяя WebRTC, распознавание речи, LLM и синтез речи. Помог довести его до стабильного релиза с 97,8% успешных сессий и медианой 1,3 секунды до первого ответа.
Участвовал в развитии персонализации обучения и создавал функции, которые улучшали удержание студентов. В работе над Mastery Depth Tracker связывал продукт и разработку, чтобы измерять уверенность учащихся и находить темы, где им нужна дополнительная практика. Также помогал запускать программу QA Engineering в США.
IAWY
CPO
август 2023 — июль 2024
Участвовал в создании IAWY и развивал AI-тьютора с автоматической проверкой проектных работ студентов. Определил продуктовое направление и дорожную карту тьютора, который встраивался в существующие образовательные платформы. Мы запустили его в двух буткемпах в Латинской Америке.
Retailhub
AI-исследователь
октябрь 2023 — январь 2024
Спроектировал пайплайн обогащения товарных карточек: нормализация исходных данных, извлечение атрибутов, генерация структурированных признаков и описаний на естественном языке.
Yandex Praktikum
Разработчик
март 2018 — декабрь 2021
Пришёл одиннадцатым участником продуктовой команды и помогал создавать ранние компоненты продукта, включая системы для тестирования кода и оценки студенческих работ.
Спроектировал тестовую архитектуру тренажёра, которым ежедневно пользовались 7–10 тысяч студентов.
Разработал ML-модель для оценки проектных работ студентов ещё до ChatGPT и участвовал в запуске программы Web Developer.
Ранний опыт
Thingyfy
Разработчик
октябрь 2019 — октябрь 2020
Создавал продукты для стартапа на React и TypeScript.
Yandex School of Data Analysis
Специалист по обучению
октябрь 2018 — январь 2020
Работал специалистом по обучению в Москве.
Sravni.ru
Разработчик
ноябрь 2017 — октябрь 2018
Создавал страховые продукты на React.
Другая работа
Разработчик и преподаватель
2016–2019
European Gymnasium
Информатика и веб-разработка.
Spaces
Разработка продукта для коммерческой недвижимости.
MCS
Преподавание Arduino, Swift, Python, веб-разработки и VR.