Денис

ІВАНЮТА ДЕНИС
Тернопіль, Україна | [відкрити контакти](див. вище в блоці «контактна інформація») | [відкрити контакти](див. вище в блоці «контактна інформація»)

НАВИЧКИ ТА ЗДІБНОСТІ
Технічні навички: Python, C++, FastAPI, PostgreSQL, pgvector, Redis, RAG, NLP,
aiogram, LangGraph, OpenAI API, Docker, Docker Compose

Мови: Українська (носій), Англійська (B2).

ПРОЕКТИ
Telegram Hiring Bot
Tech Stack: Python, RAG, aiogram, PostgreSQL, pgvector, Redis, LangGraph / LLM Agents
 Розробив асинхронного Telegram-бота для автоматизації первинного відбору
кандидатів та управління вакансіями для рекрутерів.
 Інтегрував AI-агентів для проведення автоматизованих інтерв'ю та фільтрації
кандидатів на основі заданих вимог і метрик.
 Спроектував надійну схему бази даних PostgreSQL, pgvector для збереження
даних та налаштував Redis для кешування сесій і керування станами (FSM).
Впровадив RAG систему для пошуку вакансії по запиту.
AI-Powered Gym Workout Recommender
Tech Stack: Python, Pandas, Scikit-Learn, FastAPI
 Створив персоналізовану рекомендаційну систему, яка генерує оптимізовані
тренувальні спліти та підбирає вправи на основі цілей та біометричних даних
користувача.
 Використав алгоритми машинного навчання для обробки даних користувачів з
метою забезпечення точних рекомендацій для прогресії навантажень.
Movie Sentiment Analysis Platform
Tech Stack: Python, FastAPI, Scikit-Learn, NLP, HTML/CSS
 Розробив та розгорнув повноцінний (end-to-end) вебдодаток для аналізу
тональності (сентименту) відгуків на фільми в реальному часі.
 Навчив та оптимізував NLP-модель за допомогою Scikit-Learn для точної
класифікації семантики тексту.
 Створив чистий та адаптивний інтерфейс (frontend) і підключив його до
високопродуктивного бекенду на FastAPI.
Car Price Prediction
Tech Stack: Python, Pandas, NumPy, Scikit-Learn, Matplotlib/Seaborn
 Розробив прогностичну модель машинного навчання для оцінки вартості
вживаних автомобілів на основі їхніх характеристик та ринкових даних.
 Провів комплексний розвідувальний аналіз даних (EDA), проєктування ознак
(feature engineering) та передобробку даних (очищення від викидів та заповнення
пропусків).
 Реалізував та протестував кілька моделей регресії, оптимізувавши їхню точність
за допомогою підбору гіперпараметрів та крос-валідації.
ОСВІТА
2024 - досі Комп'ютерна інженерія, бакалавр, Тернопільський національний
технічний університет імені Івана Пулюя
ПОСИЛАННЯ
GitHub - https://github.com/cApitanYARE?tab=repositories
LinkedIn - [відкрити контакти](див. вище в блоці «контактна інформація»)
LeetCode - https://leetcode.com/u/yar3/