Ілля

АКУЛОВ ІЛЛЯ ВЛАДИСЛАВОВИЧ
AI SOLUTIONS DEVELOPER / AUTOMATION ENGINEER
Україна, Дніпро | [відкрити контакти](див. вище в блоці «контактна інформація») | [відкрити контакти](див. вище в блоці «контактна інформація»)
GitHub: github.com/Bard368 | Telegram: t.me/babard7

ПРОФІЛЬ

Маю понад два роки досвіду в управлінні ІТ-проєктами, що дозволяє мені ефективно збирати бізнес-
вимоги та проєктувати архітектуру рішень. Останній рік активно розробляю комерційні пайплайни та
мульти-агентні системи на фрилансі. Спеціалізуюся на створенні автономних рішень для В2В
(інтелектуальні системи продажу, корпоративні RAG-бази знань). Не обмежуюсь готовими low-code
рішеннями: комбіную n8n та FastAPI для швидкого запуску, але вільно пишу архітектуру на чистому
Python, коли цього вимагає продуктивність, масштабованість або нестандартна бізнес-логіка. Вмію
працювати самостійно та закривати задачі «під ключ».

ТЕХНІЧНИЙ СТЕК

Мови та Фреймворки: Python, FastAPI, LangChain, Pandas, NumPy
Штучний інтелект (AI/LLM): DeepSeek API, Gemini API, OpenAI, Llama 3.1, Whisper, Dify, RAG-
архітектури, Machine Learning (XGBoost)
Бази даних та Інфраструктура: PostgreSQL (Neon Serverless, TimescaleDB, pgvector), Docker, Traefik,
WireGuard
Автоматизація: n8n
Інтеграції (АРІ): Telegram API, Kommo CRM, Trello, Twilio, Google Workspace, Stripe,
DocuSeal, 1C oData, Zoom API

ПРОЄКТИ

1. Autonomous B2B AI Ecosystem
Стек: n8n, Dify (DeepSeek/Gemini), PostgreSQL (Neon), Docker, Kommo CRM, Telegram API
• Бізнес-цінність: Створив комплексну архітектуру на базі ШІ-агентів для повної автоматизації циклів
продажу та клієнтської підтримки першої/другої ліній. Це рішення дозволяє бізнесу делегувати
рутину віртуальним співробітникам.
• Технічна реалізація:
◦ Розробив незалежні мікросервіси, які здатні самостійно опрацьовувати вхідні заявки, збирати
дані з сайтів клієнтів та керувати розкладом через CRM.
◦ Побудував відмовостійку архітектуру: налаштував механізми перевірки станів у PostgreSQL, щоб
повністю виключити дублювання процесів при збоях мережі.
◦ Реалізував безпечну обробку асинхронних медіа-даних з месенджерів без втрати контексту
діалогу, обходячи обмеження "стану гонитви".
2. AI-Driven Market Sentiment Pipeline
Стек: n8n, PostgreSQL, LangChain, DeepSeek API
• Бізнес-цінність: Запустив віртуального аналітика для безперервного моніторингу репутації бренду.
Система агрегує реакції користувачів з відеоплатформ та новинних ресурсів, перетворюючи сирий
текст на структуровані бізнес-метрики.
• Технічна реалізація:
◦ Написав алгоритми для регулярного збору інформації з RSS-каналів та коментарів,
налаштувавши їх пакетну передачу до мовних моделей для оптимізації витрат.
◦ Інтегрував глибокий семантичний аналіз тексту за допомогою DeepSeek API, що дозволяє
класифікувати емоції, рівень негативу та виявляти конкретні інтенції користувачів.
◦ Спроєктував Telegram-інтерфейс на базі LangChain, де користувачі можуть формувати складні
запити до бази даних звичайною мовою, отримуючи точні аналітичні зведення.

3. High-Performance Market Data Infrastructure
Стек: Python, FastAPI, Docker, PostgreSQL (TimescaleDB), XGBoost
• Бізнес-цінність: Спроєктував швидкісну систему збору та трансформації біржових даних для
алгоритмічної торгівлі та подальшого тренування моделей машинного навчання.
• Технічна реалізація:
◦ Налаштував безперервний парсинг WebSocket-з'єднань через asyncio для захоплення книги
ордерів (L2) та історії угод з мінімальними затримками.
◦ Впровадив модулі аналізу мікроструктури ринку в реальному часі, здатні розпізнавати маніпуляції
обсягами (спуфінг) та вираховувати спреди.
◦ Розгорнув базу даних TimescaleDB для надійного та оптимізованого зберігання масивів часових
рядів під високим навантаженням.

4. RAG-система бази знань (Логістика / Корпоративний сектор)
Стек: Python, Dify, OpenAI/DeepSeek, PostgreSQL
• Бізнес-результат: Розробив внутрішнього AI-асистента для компанії, що дозволило автоматизувати
відповіді на запити співробітників щодо внутрішніх регламентів та графіків роботи.
• Технічні досягнення:
◦ Побудував ефективну RAG-архітектуру на основі повної бази протоколів компанії.
◦ Налаштував точну видачу інформації без "галюцинацій" ШІ, що суттєво розвантажило HR-відділ
та менеджерів.

5. Local Financial Budgeting AI System
Стек: Llama 3.1 (Ollama), 1C oData (REST API), WireGuard, macOS (Apple Silicon M5 Pro), n8n
• Бізнес-цінність: Створив повністю ізольовану від інтернету систему генерації бюджету доходів і
витрат, що гарантує 100% конфіденційність фінансових даних компанії завдяки локальній обробці
інформації.
• Технічна реалізація:
◦ Налаштував захищене з'єднання через WireGuard між сервером 1С та локальною робочою
станцією на базі архітектури Apple M5 Pro.
◦ Реалізував безпечну синхронізацію та передачу даних через oData (REST API для 1С)
безпосередньо у локальний воркфлоу n8n.
◦ Розгорнув та налаштував локальну мовну модель Llama 3.1 (через Ollama) для аналізу
фінансових показників та формування звітів без залучення зовнішніх хмарних API.
6. Sales Communication Analytics Dashboard
Стек: Python, Zoom API, Google Drive API, Whisper, OpenAI/DeepSeek API, BI Dashboard
• Бізнес-цінність: Розробив аналітичну платформу для керівництва відділу продажу, яка дозволяє
відслідковувати еволюцію спілкування менеджерів з клієнтами у часі, виявляти недоліки та
оптимізувати скрипти.
• Технічна реалізація:
◦ Налаштував автоматизований збір записів IP-телефонії та відеодзвінків через Zoom API із
подальшим збереженням у корпоративний Google Drive.
◦ Побудував пайплайн транскрибації аудіозаписів у текст за допомогою моделей розпізнавання
мовлення (Whisper) із подальшим семантичним аналізом діалогів через LLM.
◦ Спроєктував інтерактивний дашборд для візуалізації ключових метрик: тональності розмов,
відпрацювання заперечень та загальної динаміки ефективності комунікацій.

7. Legal RAG-Assistant & Knowledge Base
Стек: Python, Dify, Vector DB (pgvector), LLM
• Бізнес-цінність: Створив інтелектуального помічника для юридичного департаменту, що
кардинально прискорив процес підготовки договорів та пошуку релевантних правових
формулювань.
• Технічна реалізація:
◦ Сформував масштабну векторну базу знань, агрегувавши різноманітні види юридичної
документації та контрактів компанії.
◦ Впровадив RAG-архітектуру для швидкого контекстного пошуку, що дозволяє юристам миттєво
знаходити, як саме був сформульований той чи інший пункт у попередніх прецедентах.
◦ Налаштував параметри моделі для точної роботи зі специфічною юридичною термінологією,
забезпечуючи високу релевантність результатів та виключаючи втрату контексту.

ДОСВІД РОБОТИ

Project Manager | 1win (Tech Product Company) 2024-2026
• Керував розробкою ІТ-продуктів у висококонкурентній В2С-ніші. Відповідав за формування технічних
завдань, розбивку складних проєктів на етапи та контроль термінів релізу.
• Керував запуском маркетингових ініціатив у соцмережах та формував стратегію розширення на
міжнародних ринках (Латинська Америка).
• Цей бекграунд дозволяє мені ефективно працювати як у ролі самостійного інженера-архітектора на
фрилансі, так і у складі великих корпоративних команд, чітко розуміючи бізнес-задачі.

Junior QA Engineer | TapMedia 2023-2024
• Здійснював мануальне тестування інтерфейсів та логіки роботи веб і мобільних платформ.
• Локалізовував дефекти, заводив репорти в системі Jira та взаємодіяв з програмістами для їх
швидкого усунення.
• Розробляв тестову документацію (чек-листи, тест-кейси), покращуючи загальну якість продукту
перед виходом у продакшн.

Офіс-менеджер | Рем Строй Комфорт 2021-2023
• Забезпечував безперебійну роботу офісу та підтримував постійну комунікацію з клієнтською базою.
ОСВІТА ТА НАВИЧКИ

• Вища освіта, Бакалавр (Спеціальність 122: Комп'ютерні науки) | Університет імені Альфреда Нобеля
| 2018 - 2022
• Курс з цифрового маркетингу | Mate Academy | 2022
• Мови: Українська (Рідна), Англійська (Intermediate / B1)