I'm an ML Engineer focused on Fintech products and Generative AI. I specialize in the full development cycle: data analysis → model training & optimization → production deployment via FastAPI + Docker.

I don't just train models in Jupyter — I build reliable, interpretable and scalable ML pipelines ready for real business use.

Core expertise:

• 🏦 Fintech ML — credit scoring, fraud detection (GNN + classical ML), PFM analytics
• 🤖 LLM & Agents — Fine-Tuning (LoRA/PEFT), RAG, Voice AI, LangGraph ReAct Agents
• ⚙️ MLOps — MLflow, Evidently AI, Kafka Streaming, A/B testing, Docker

Machine Learning

LLM & Voice AI

Backend & MLOps

Fraud detection via transaction graph analysis using Graph Convolutional Networks

Транзакции представлены как граф: 590K узлов, 493K рёбер. GCN видит транзакцию в контексте её связей — если карта участвовала в подозрительных операциях, модель "заражает" соседей подозрением. Именно так работают антифрод системы Visa и Mastercard. AUC-ROC: 0.78, Fraud Recall: 62%.

🔗 API | Graph Visualizer

PyTorch Geometric GCNConv NetworkX FastAPI Streamlit Render

Hybrid real-time fraud detection microservice

Двухслойная архитектура: Redis Velocity Check (защита от брутфорса) + LightGBM (поведенческие паттерны). Встроенный A/B Testing Router распределяет трафик 80/20 между Champion и Challenger моделями.

🔗 Live API

LightGBM Redis Feature Store Docker Compose FastAPI A/B Testing Render

Full MLOps pipeline for bank credit scoring — from Kaggle dataset to deployed REST API

LightGBM + FastAPI. MLflow Model Registry — динамическая загрузка модели по RUN_ID. SHAP — топ-5 факторов решения. Evidently AI — мониторинг Data Drift. SQLite аудит-лог.

🔗 Live API

LightGBM MLflow SHAP Evidently AI FastAPI Docker Render

End-to-end AI Personal Finance Manager — localized for Kazakhstan 🇰🇿

NLP категоризация транзакций → Anomaly Detection → Prophet Forecast → Voice Assistant → PDF Reports → Telegram Bot. Симуляция KZ клиентов (Glovo, Kaspi, inDrive). Мультивалютность (8 валют).

🔗 Live Demo

Prophet Evidently AI Whisper Llama-3 Telegram Bot Streamlit

Real-time fraud detection streaming pipeline on Apache Kafka

Event-Driven пайплайн: Producer → Kafka Broker → Consumer Group → LightGBM ML API. Consumer вызывает fraud-detection-api для реального ML инференса вместо Rule-Based логики.

Apache Kafka Zookeeper Docker Compose Consumer Groups ML Integration

Autonomous Financial AI Agent with 5 tools (LangGraph ReAct)

LangGraph ReAct агент с инструментами: DuckDuckGo Search, Loan Calculator, Deposit Calculator, Currency Converter, Fraud Risk Checker. Сам решает какой инструмент вызвать.

🔗 Live Demo

LangGraph LangChain Llama-3.3-70B Tool Calling Groq Streamlit

Intelligent bank support assistant with semantic search over knowledge base (RAG)

Полноценная RAG-архитектура: документы → чанкинг → HuggingFace Embeddings → Qdrant → Llama 3. Hallucination Prevention: бот отвечает строго по документам.

🔗 Live Demo

Qdrant RAG LangChain Llama-3 HuggingFace Embeddings Streamlit

Full voice pipeline: Speech-to-Text → LLM → Text-to-Speech

Whisper Large v3 → Llama 3.3-70B → gTTS. Память всего диалога. System Prompt оптимизирован под TTS: краткие ответы как живой оператор по телефону.

🔗 Live Demo

Whisper v3 Llama-3.3-70B gTTS Groq Conversation Memory Streamlit

Parameter-Efficient Fine-Tuning of LLM for bank support (PEFT/LoRA)

Fine-Tuning TinyLlama-1.1B — обучалось 1,126,400 параметров (0.10%). Cloud-to-Local Pipeline: Colab T4 GPU → CPU inference. Streamlit Chat UI.

🔗 Live Demo

TinyLlama LoRA PEFT SFTTrainer PyTorch HuggingFace

NLP system for "dirty" bank transaction categorization (PFM)

Fine-Tuning многоязычного DistilBERT на 5 банковских категорий. Устойчив к опечаткам, латинице и шумам POS-терминалов. Confidence Score UI.

DistilBERT PyTorch Hugging Face Fine-Tuning NLP Streamlit

Bank churn prediction — custom PyTorch MLP from scratch | ROC-AUC: 0.9685

Кастомный Training Loop на чистом PyTorch. BatchNorm + Dropout. Обучен на реальном датасете (10,127 клиентов). Бизнес-рекомендации по уровню риска.

🔗 Live Demo

PyTorch MLP BatchNorm ROC-AUC 0.97 Streamlit

Real-time object detection web application (YOLOv8)

Zero-Shot Inference на MS COCO (80 классов). Выбор модели от Nano до XLarge. Confidence slider. Plotly analytics dashboard.

🔗 Live Demo

YOLOv8 Ultralytics OpenCV Zero-Shot Plotly Streamlit