Особисті дані приховані

Oleg Savinovskyi
[відкрити контакти](див. вище в блоці «контактна інформація») | [відкрити контакти](див. вище в блоці «контактна інформація») | Kyiv, Ukraine | Remote
[відкрити контакти](див. вище в блоці «контактна інформація»)

Засновник та розробник кількісних систем, який володіє продуктами від початку до кінця - від розробки
архітектури та стратегії до статистичної перевірки та впровадження в реальні процеси. Створив та керував
інфраструктурою даних, звітністю про ризики та аналітикою для кредитної мережі з 20 локацій з нуля, а також
керував портфелем акцій US Stock, з повним відстеженням ризиків та ефективності (Sharpe, drawdown,
expectation). Практичний досвід роботи з інфраструктурою штучного інтелекту -локальне впровадження LLM
(LM Studio, llama.cpp), RAG-конвеєри та агентна розробка (Claude Code, OpenAI Codex) щодня
застосовувалися до виробничих систем, включаючи інтеграцію LLM в інтерактивні механізми реального часу
для стимулювання прийняття рішень та динамічного коментування.

Підприємець-операціоніст із досвідом створення двох бізнесів з нуля. Маю сильні компетенції у
формуванні технічного та продуктового бачення, готовий взяти на себе стратегічне управління цими
напрямками.

КЛЮЧОВІ НАВИЧКИ ТА ІНСТРУМЕНТИ

• Інфраструктура штучного Системи кількісного аналізу Фінанси та галузева
інтелекту / LLM та оцінки ризиків експертиза
• Локальна розробка LLM (LM • MQL5, Pine Script, Python • Аналіз P&L / грошових потоків
Studio, llama.cpp) Backtesting • Когортний та конверсійний
• Пайплайни RAG та агентна • Розробка стратегії та аналіз
розробка (Claude Code, Codex)
статистична валідація • Метрики ROI / LTV / CPL
• Інтеграція LLM у рушії реального
часу (ігровий ШІ) • Метрики ризику: Sharpe, • Фінансова звітність
drawdown, expectation (управлінська)
• Оцінка моделі та інженерія
промптів • Управління портфелем (акції • Python / Pandas / NumPy/
США) Matplotlib / Seaborn
• Python -Pandas, NumPy,
Matplotlib, Seaborn • Комплексне володіння
продуктом та архітектурою

НЕЗАЛЕЖНІ ПРОЄКТИ
• NeuralTick Research - засновник незалежної ініціативи кількісних досліджень для американських акцій;
розробляю алгоритмічні торгові інструменти, побудовані на прозорій, тестованій логіці, перевірені в
тестері стратегій та на реальних ринкових даних,
• Steam: 3D-шахи з інтерактивним навчанням - створив тривимірну шахову гру (HTML/JavaScript,
Three.js). Electron - для реалізації в Steam, з трьома основними дошками плюс рухомими дошками атаки,
суперником на основі штучного інтелекту (коментарі на 4х мовах, вибір ходу) з регульованою складністю
та вбудованими навчальними оверлеями (візуалізація рухів/загроз).
https://store.steampowered.com/app/4973680/Star_TriD_Chess
• MQL5 Market - опублікував 3 алгоритмічні торгові продукти (експертний радник та 2 індикатора) на
маркетплейсі MQL5: https://www.mql5.com
• Маркетинг та розвиток аудиторії - керую контент-стратегією та розвитком аудиторії NeuralTick на
Facebook та YouTube, від планування контенту до таргетингу на основі аналітики
• Випустив власну криптовалюту - NeuralTick Coin (NTICK), токен, що торгується, на BNB Smart Chain з
фіксованим випуском. Задуманий як цифровий шар, який згодом поєднає продукти NeuralTick в AI,
фінтеху та іграх.
• Аналітика торговельної дохідності (Python) - побудував наскрізний пайплайн обробки даних на
Pandas/NumPy: завантаження та очищення великих масивів угод, приведення до єдиного формату (дата,
обсяг, ціна), об'єднання 5–10 наборів даних в один датафрейм з перерахунком балансу; розраховував
ключові метрики ефективності (профіт-фактор, максимальна просадка, математичне очікування,
коефіцієнт Шарпа) та прогнозував подальшу дохідність; візуалізував динаміку капіталу та статистику
через Matplotlib/Seaborn.

КЛЮЧОВІ ДОСЯГНЕННЯ
• Понад 2 роки досвіду розгортання та налаштування локальної інфраструктури LLM (LM Studio, llama.cpp,
квантовані моделі з GPU-прискоренням) - систематичний підхід до вибору моделі та оцінки її придатності
під конкретні завдання
• Розробив власну методику порівняльного аналізу LLM-моделей за точністю, узгодженістю, якістю
міркувань та надійністю в предметній галузі; застосовую просунутий промпт-інжиніринг для отримання
надійних результатів та виявлення меж моделі
• Налаштовував RAG (Retrieval-Augmented Generation) для локальних LLM (LM Studio, llama.cpp) -
підключення моделей до власних баз знань/документів для точніших, контекстно релевантних відповідей;
використовую LLM для агентної розробки та програмування (Claude Code, OpenAI Codex) у щоденній
роботі над продакшн-системами
• Побудував повну інфраструктуру фінансової аналітики з нуля для кредитного бізнесу з 20 локаціями -
зниження кількості помилок у даних на 95%
• Автоматизував робочі процеси звітності, заощадивши понад 60% часу на ручну обробку в усіх
аналітичних проєктах
• Керував та аналізував портфель обсягом понад $1 млн з повним відстеженням P&L, когорт та
ефективності
• Стабільно підтримував точність даних на рівні понад 95% у всіх звітних та аналітичних матеріалах

ПРОФЕСІЙНИЙ ДОСВІД
CapitalHive Management 2022 – 2024
Керуючий портфелем акцій (портфель $1М+)

Управляв інвестиційним портфелем акцій обсягом понад $1 млн, самостійно виконуючи повний цикл
аналітики та звітності для підтримки інвестиційних рішень. Відповідав за когортне відстеження, показники
ефективності та управлінські дашборди.
• Розробляв та підтримував SQL- запити для вилучення, фільтрації та агрегації фінансових даних зі
структурованих баз даних для регулярної та разової звітності
• Проводив когортний аналіз та відстеження конверсії -моніторив ефективність різних клієнтських та
портфельних сегментів у часі
• Розробляв звіти P&L та про рух грошових коштів з повною деталізацією за сегментами, що сприяло
прийняттю рішень щодо розподілу капіталу на основі даних
• Створював автоматизовані дашборди в Excel/Google Sheets зі зведеними таблицями, SUMIFS, VLOOKUP
та Power Query -скоротив час на ручну звітність на 60%
• Візуалізував ключові фінансові показники в Tableau для огляду керівництвом - відстежував ROI, LTV та
KPI ефективності портфеля
• Працював з великими структурованими наборами даних -очищував, перевіряв та звіряв дані для
забезпечення точності звітності
• Готував регулярні фінансові звіти для керівництва з чітким наративом та практичними інсайтами

Pawnshop Network: Autolombard 2017 – 2018
Керівник відділу ІТ-інфраструктури та операцій з даними, керівник відділу внутрішнього аудиту

Побудував централізовану інфраструктуру даних та системи звітності для фінтех/кредитного бізнесу з 20
локаціями. Повна відповідальність за конвеєри даних, логіку валідації та операційну аналітику.
• Розробляв ETL-конвеєри для агрегації транзакційних та операційних даних із 20 розподілених локацій в
єдину аналітичну базу даних
• Створював SQL-звітність для відстеження ефективності первинних та повторних кредитів по всій мережі
філій
• Впроваджував процедури валідації та контролю якості даних -скоротив кількість помилок у даних на 95%
• Автоматизував фінансову та операційну звітність, скоротивши час підготовки з днів до годин
• Готував структуровані управлінські звіти про ефективність портфеля, грошові потоки та операційні KPI
для власників компанії