Привет, я —
Павел Борисов

1. AI Infrastructure & Highload Systemstech-lead

   7 лет 5 месяцев

   Lead Engineer·Консалтинг / Аутсорсинг

   [Март 2019 — настоящее время]

   • ›Проектирование, масштабирование и миграция инфраструктуры под высокие нагрузки и AI/ML-сервисы для клиентов из сфер e-commerce, AdTech и IoT.
   • ›Развертывание и контейнеризация ИИ-решений: пайплайны компьютерного зрения (CV), инференс локальных LLM и интеграция RAG-систем.
   • ›Построение отказоустойчивой архитектуры (Kubernetes, Docker) и автоматизация CI/CD процессов для сокращения Time-to-Market.
   • ›Оптимизация и тюнинг производительности баз данных (PostgreSQL) под высоконагруженные аналитические задачи.
   • ›Управление полным циклом инженерных работ: от сбора бизнес-требований до релиза в Cloud / Bare Metal.

2. АТТЭКteaching

   3 месяца

   Лектор / Ментор по AI, QA и Backend·Санкт-Петербург

   [Октябрь 2025 — Декабрь 2025]

   • ›Разработка и проведение практического курса по Python, SQL, AQA и современным AI-воркфлоу.
   • ›Обучил 26 студентов (уровня pre-junior) до production-ready.
   • ›Курировал создание реальных проектов с использованием LLM и Cloud PostgreSQL.
   • ›Внедрял лучшие практики бэкенд-разработки, тестирования и проектирования систем.
   • ›Выступал в роли ментора и тимлида на финальных проектах — фокус на практических инженерных навыках, а не сухой теории.

3. Selfiebot.rufounder

   1 год 10 месяцев

   Founder·Удалённо

   [Ноябрь 2023 — Август 2025]

   • ›Создание «с нуля до первых продаж» платформы для лидогенерации и распознавания лиц на базе ИИ.
   • ›Спроектировал и реализовал REST API (FastAPI) и пайплайны компьютерного зрения (DLib, OpenCV).
   • ›Интегрировал системы LLM (GPT, локальный запуск) — рост конверсии в маркетинге.
   • ›Разработал фронтенд (React + Tailwind). Спроектировал инфраструктуру (Docker, Debian, стек мониторинга).
   • ›Downtime <1% благодаря внедрению observability (Prometheus, Grafana).
   • ›Вывел проект на первую выручку и базу в ~1000 активных пользователей.
   • ›Полная ответственность: продукт, архитектура, инфраструктура и командные процессы.

4. Raskachaem.ruleadership

   3 года 1 месяц

   Региональный директор·Архангельск

   [Март 2014 — Март 2017]

   • ›Руководство региональными операциями на конкурентном медиа-рынке.
   • ›Управление распределённой командой (~10 фотографов и контент-мейкеров).
   • ›Координация интенсивного освещения мероприятий в сжатые сроки.
   • ›Выстраивание партнёрских отношений с владельниками заведений и СМИ.
   • ›Переговоры о коммерческом сотрудничестве и рекламных кампаниях.

5. ЗАО «СИА Интернейшнл-Архангельск»enterprise

   12 лет 2 месяца

   Руководитель IT-отдела, DBA·Архангельск

   [Ноябрь 2003 — Декабрь 2015]

   • ›Управление ИТ-инфраструктурой и архитектурой данных крупного фарм-дистрибьютора (центральный хаб + 2 филиала, 200+ корпоративных клиентов). В подчинении 6 специалистов.
   • ›Zero Downtime миграция: успешный переезд предприятия и дата-центра в новое здание без остановки операционной деятельности.
   • ›High Availability: распределённая система обработки заказов с отказоустойчивой архитектурой, масштабированная на филиальную сеть.
   • ›Миграция core-ERP системы без потери данных и технологических простоев.
   • ›Системы мониторинга, резервного копирования и электронного документооборота под нужды филиальной сети.
   • ›Разработка ПО для оптовой торговли (Python, Bash, SQL).
   • ›Полный цикл управления: ИТ-бюджеты, риски, найм, онбординг, кросс-функциональное взаимодействие.

6. Мэрия Города Архангельскаinfrastructure

   1 год 11 месяцев

   Lead Engineer·Архангельск

   [Январь 2002 — Ноябрь 2003]

   • ›Проектирование и поддержка локальных сетей (LAN) для административных департаментов.
   • ›Взаимодействие с внутренними подразделениями для внедрения IT-решений.
   • ›Техническая поддержка и решение инфраструктурных задач в условиях жёстких регламентов.

$ Кейсы коммерческих проектов с фокусом на бизнес-метрики, технологический стек и инженерный стандарт

project_01·2 скриншота

/ Enterprise RAG для инженерной документации

Интеллектуальный поиск по большому объёму техдокументации (PDF, сканы, фото, таблицы)

⤢Увеличить⤢Увеличить

Задача: создать интеллектуальный поиск по большому объёму технической документации, включающей PDF, фотографии, сканы, таблицы и документы разных форматов.

Решение

• ›Спроектировал и реализовал Enterprise RAG-платформу с поддержкой сложного парсинга документов.

Реализовал

• ›семантическое чанкование документов
• ›Parent/Child Retrieval
• ›масштабируемый OCR-конвейер
• ›GPU-инференс
• ›асинхронную обработку документов
• ›автоматическое масштабирование OCR-воркеров

✓Бизнес-результат

• ◆поиск по технической документации на естественном языке
• ◆возможность работать с десятками тысяч страниц документации
• ◆сокращение ручного поиска информации инженерами
• ◆архитектура, пригодная для промышленной эксплуатации и масштабирования

Использованы

PaddleOCRTable TransformerLayoutLMpdfplumberopenpyxlpython-docxLlamaIndexpgvectorNATS JetStream

project_02·2 скриншота

/ Bastiondom

ИИ-платформа лидогенерации для застройщика загородной недвижимости

⤢Увеличить⤢Увеличить

ИИ-инфраструктура

• ›Умный Telegram-бот на базе больших языковых моделей
• ›Диалог с клиентом на живом, естественном языке
• ›Квалификация лида и проведение интерактивных квизов

Реферальная система

• ›Спроектирована сложная двухуровневая реферальная программа внутри бота
• ›Масштабирование вирального трафика

Гроу-хакинг

• ›Drop-Domain схема: кастомная архитектура редиректов на базе дроп-доменов с высоким целевым трафиком

✓Бизнес-результат

• ◆Переход на drop-domain схему в связке с ИИ-обработкой лидов поднял входящий поток заявок с десятков до тысяч квалифицированных лидов в неделю

Использованы

LLMTelegram Bot APIDrop-domain redirectsReferral mechanics

project_03·2 скриншота

/ Teonaperfume.ru

Премиум e-commerce нишевой парфюмерии — технически оптимизированный

↗ Открыть сайт

⤢Увеличить⤢Увеличить

Высокопроизводительный e-commerce проект премиум-сегмента с фокусом на глубокую техническую оптимизацию и виральность. Минималистичный лакшери-дизайн сочетается с экстремально быстрой загрузкой страниц.

Техно-стек и фичи

• ›Кастомная бесшовная многоязычность (i18n)
• ›Динамический React-router для мгновенного переключения между позициями каталога без перезагрузки страниц
• ›Генерация динамических QR-кодов для мгновенного шеринга конкретных позиций

SEO-архитектура

• ›Спроектирован и внедрен выделенный слой поисковой оптимизации карточек товаров
• ›Обход конкурентов в выдаче за счёт структурированных данных и семантики

✓Бизнес-результат

• ◆Увеличение потока органических лидов на сайт в 3 раза по сравнению с первой версией
• ◆Сайт полностью окупил себя за первую же неделю после деплоя исключительно за счёт новых органических продаж

Использованы

ReactDynamic Routingi18nDynamic QR-codesSEO schemasCore Web Vitals

project_04·2 скриншота

/ Teambelki.ru

Интерактивный мульти-лендинг ивент-агентства

↗ Открыть сайт

⤢Увеличить⤢Увеличить

Сложная, нагруженная медиа-контентом платформа для отстройки бренда от конкурентов на рынке корпоративных событий.

Техно-стек и фичи

• ›Ультрабыстрая загрузка тяжёлого контента при помощи Mobile-First подхода и wow-анимаций
• ›Лёгкий бэкенд и админ-панель на PocketBase — клиент управляет контентом без перегрузки сервера

Обход блокировок

• ›Кастомный плеер и стриминг видео через Rutube, полностью изолированный от сетевых ограничений и замедлений сторонних платформ

ИИ-оптимизация

• ›Контент и метаданные оптимизированы под современные алгоритмы ИИ-поиска Google (SGE / Gemini Search)
• ›Доминирование в поисковой выдаче нового поколения

✓Бизнес-результат

• ◆Платформа отстраивает бренд от конкурентов в нише корпоративных событий
• ◆Скорость загрузки и SEO-слой под AI-поиск Google задают устойчивое конкурентное преимущество

Использованы

Mobile-FirstPocketBaseCustom Rutube playerSGE / Gemini SEO

project_05·2 скриншота

/ Dvevilochki.ru

Премиальный лендинг кейтеринга

↗ Открыть сайт

⤢Увеличить⤢Увеличить

Пример того, как продуктовый подход и современные технологии спасают маркетинг даже при полном отсутствии качественных исходных материалов от заказчика. Итоговый визуал выглядит дорого и вызывает аппетит.

Техно-стек и фичи

• ›Полноценный Mobile-First интерфейс с упором на графический контент
• ›Главная проблема — фотографии блюд низкого разрешения и неудовлетворительного качества от клиента — решена на этапе продакшена

ИИ-генерация

• ›Применены нейросети (Generative AI) для глубокого рестайлинга, фуд-дизайна и апскейла изображений
• ›Фотографии меню переработаны до ресторанного уровня

✓Бизнес-результат

• ◆Премиальный визуал превратил сайт в сильный инструмент продаж, который вызывает доверие с первой секунды

Использованы

Mobile-FirstGenerative AIImage upscaleFood design pipeline

$ Избранные OSS-проекты

/ hermem

↗ GitHub

Сверхбыстрая графовая система памяти (GraphRAG) для AI-агентов. Решает проблему долгосрочной ассоциативной памяти с минимальным латенси.

GoSQLiteMCPOpenAPISDK

/ research-agents-swarm

↗ GitHub

Автономный рой из 5 агентов с паттерном LLM-as-a-judge для глубокого интернет-ресёрча и генерации отчётов.

LangGraphLangFuseQdrantOllama

/ llm-gateway

↗ GitHub

Лёгкий прокси-сервер для унификации b2b-инференса: единый эндпоинт для работы со множеством LLM-бэкендов с автоматическим failover.

PythonLLMProxy

/ recognition

↗ GitHub

Модуль распознавания и матчинга лиц (Face ID / Computer Vision) для SelfieBot: сопоставляет селфи гостей с репортажными фотоотчётами. Оптимизирован под высокую скорость обработки больших массивов изображений.

PythonuvOpenCVDLib

/ regognition

↗ GitHub

Версия распознавания лиц на Go: быстрее, точнее (512-мерные векторы против 128-мерных), менее требовательна по памяти для локальных задач.

GoComputer VisionRetinaFaceONNX

$ Публикации в СМИ

• ▸«ИИ-агенты требуют деньги и критикуют людей» — экспертиза по разработке с ИИ-агентами; статья отредактирована с Hermes Agentvia ИА Росбалт

  Если раньше нейросеть работала этаким консультантом в окошке за стеклом, но сама ничего не трогала, то с прошлого года ей выдали ключи от рабочего кабинета — там она сама открывает файлы, запускает программы, исследует интернет для получения нужной информации. Почему это случилось именно тогда, а не годом раньше? Совпали сразу три вещи. Во-первых, модели наконец научились надежно вызывать внешние команды в формате, который компьютер способен выполнить — а не просто описать словами, что неплохо бы сделать мне как специалисту. Во-вторых, нейросети стали уметь выстраивать рабочий план на много шагов вперед, а не выдавать первый пришедший ответ. В-третьих, сами компании научились подстраховываться. Они создают изолированные копии проекта, „песочницы“, где есть обязательное разрешение на рискованные действия. После этого разработчики решились наконец дать нейросети порулить по-настоящему

  ↗читать полный материал
• ▸«Всемирная паутина рвётся: кто будет первым в гонке ограничений интернета» — аналитика проведена с помощью research-agents-swarmvia ИА Росбалт

  Чтобы защитить пользователей, и был разработан протокол HTTPS — та самая буква S на конце означает secure, то есть „безопасно“. В основе этой технологии лежит криптография. Когда вы заходите на сайт, ваш браузер и сервер обмениваются цифровыми ключами. Открытый ключ шифрует данные, например, номер вашей карты или пароль от Госуслуг, а закрытый ключ, который хранится только на сервере сайта, эти данные расшифровывает. Перехватить их в процессе невозможно — злоумышленник увидит лишь бессмысленный набор символов

  ↗читать полный материал
• ▸«Новый ЦОД появится в Петербурге: зачем он нужен» — экспертиза по строительству ЦОД и ИТ-ландшафтуvia ИА Росбалт

  Если брать с расчетом 5 кВт на стойку, то там, вероятно, будут находиться от 20 до 50 серверов с двумя процессорами, много хранения, мало GPU, graphic processing unit или по-русски видеокарт. Мало GPU — значит, вся эта история затевается не под обучение AI моделей или, по-простому, нейросетей, а только под несложный инференс, хостинг, хранение, базы данных, стриминг. Общая мощность в 8 МВт сравнима с энергообеспечением небольшого жилого района на 5 — 15 тысяч квартир. Главная задача, конечно, взять где-то в чистом поле эти 8 МВт

  ↗читать полный материал
• ▸«Нейросети обманывают людей, а ИИ создаёт цифровые галлюцинации: кто за этим стоит» — разбор природы галлюцинаций нейросетейvia ИА Росбалт

  Важно понять, что у модели в принципе нет понимания или знаний в человеческом смысле, есть только статистические зависимости между токенами (словами, символами, кусками слов). Она не хранит „факты“ как база данных, а просто предсказывает следующий токен на основе обученной вероятностной модели. С той поправкой, что предсказание происходит на основе огромного количества параметров, обученных на больших датасетах. Это не случайная догадка, а взвешенный прогноз. В понимании нейросети текст разбивается на токены, причем это быть как целые слова, так и слоги или даже отдельные символы. Этот же принцип действует и для изображений, но там ИИ оперирует пикселями/патчами. Модель работает не с „образами“, а с числовыми представлениями (векторами признаков)

  ↗читать полный материал