Олександр

НАВИЧКИ ТА НАПРЯМКИ
Основне: TypeScript, React, Node.js, REST API, SQL
/ PostgreSQL
Продуктовий UI: Vite, TanStack Query, Mapbox,
Recharts, auth і підписки
AI-функції: LLM clarification, діалоговий UX,
ітерація промптів
Інструменти: Git, GitHub Actions, Docker, Vitest;
Python для скриптів/R&D
Базово: C#, Java, PHP, HTML/CSS

ЗНАННЯ МОВ
Англійська (C1) - вільне спілкування
Українська - рідномовець

СОВА ОСВІТА
ОЛЕКСАНДР ЧНУ ім. Петра Могили
Ступінь бакалавра | 2018 – 2022

ФАХІВЕЦЬ З Бакалавр за спеціальністю «Комп’ютерні науки»
ІНФОРМАЦІЙНИХ Спеціалізація в розробці ПЗ, математичному
аналізі даних, роботі з великими об’ємами даних,
ТЕХНОЛОГІЙ
нечіткими моделями
Розробка нейронних мереж для задач
класифікації
ХАРАКТЕРИСТИКА Проектування інтелектуальних систем підтримки
прийняття рішень (СППР)
Інженер full-stack з ухилом у
Ступінь магістра | 2022 – 2024
фронтенд, випускаю продуктові
Магістр за спеціальністю «Комп’ютерні науки»
вебзастосунки на TypeScript (React +
Розпізнавання та класифікація хвороби
Node). Маю досвід із розмовним AI,
Альцгеймера на основі методів машинного
дашбордами з великими обсягами
навчання
даних (карти/графіки),
автентифікацією, підписками та
доставкою у кількох середовищах. ДОСВІД РОБОТИ
Магістр комп’ютерних наук
(магістерська робота з ML); останнім Codeminders
часом розробляв інструменти inCall.ai| 02.2024 - 08.2024
ринкової аналітики для комерційної Взаємодія з API
нерухомості в малій команді. розробив автоматизаційний скрипт на
Python для створення профілів AI-агента з
типовими параметрами з JSON
завантажував і класифікував медіаресурси
КОНТАКТИ (аватари / презентації) з перевіркою MIME-
Ел. поштаl: [открыть контакты](см. выше в блоке «контактная информация») типів, підтримкою слайдів у співвідношеннях
4:3 та 16:9 і прив’язкою ресурсів до станів
Телефон: [открыть контакты](см. выше в блоке «контактная информация»)
агента
інтегрував підключення до Zoom-наради та
вихід із неї з конфігурацією через змінні
середовища
 ДОСВІД РОБОТИ
Codeminders
inCall.ai| 02.2024 - 08.2024
Документація API (ReadMe)
розробляв і підтримував сайт документації в ReadMe на основі специфікації OpenAPI 3.0
автоматизував публікацію оновлень при кожному push за допомогою GitHub Actions
покращив навігацію завдяки уніфікації назв сторінок за тегами
Налаштування Consul
переніс конфігурацію на базі Consul з ідентифікації за tenant на автентифікацію за API-
ключем
оновив ендпоінти та HTTP-заголовки відповідно до актуального контракту API
Розробка і дослідження | 02.2024 - 05.2025
Vertex AI Agent Builder
розгорнув розмовного агента з текстовим сховищем знань (data store)
створив облікові дані / ключі доступу
перевірив повну взаємодію з агентом через API з терміналу
Рекомендовані дії AI на нараді за JSON-подіями
прототипував поведінку AI-агента на нараді: передавав JSON-транскрипти подій у
OpenAI GPT-4o з обмеженою схемою дій (мовлення, слайди, паузи, завершення) через
інженерію промптів; зберігав структуровані відповіді для аналізу
реалізував невеликий Python-утилітарний сценарій на OpenAI API з конфігурацією через
змінні середовища для повторюваних запусків
Клієнт розмовного відео Tavus з Daily.co
реалізував клієнт розмовного відео на React + TypeScript з інтеграцією Tavus REST API
(створення / завершення розмови) та підключенням до Daily.co за URL кімнати з
відповіді API
зібрав повний сценарій (перед нарадою – перевірка пристроїв – дзвінок), з контекстом
розмови на основі тексту резюме для персони та коректним завершенням сесії
Два AI-асистенти для запису в клініку та перехід на JSON між агентами
налаштував і прогнав два взаємодоповнювані AI-асистенти — агент клієнта, що
телефонує, та асистент запису в клініку — для сквозного сценарію бронювання прийому
(збір даних, узгодження часу та подальше планування, зокрема через Google Calendar)
протестував голосовий стиль взаємодії й додав прототип handoff: якщо з обох боків AI,
голосовий канал обривається, а координація триває machine-to-machine через
структуровані JSON-повідомлення
реалізував допоміжні Python-утиліти (зокрема багатокроковий цикл лише на JSON на
gpt-4o з жорстким структурованим виводом та невеликий FastAPI-тригер), щоб
порівняти витрати токенів між голосовим сценарієм і агент-до-агента обміном
Керування REST API природною мовою за OpenAPI
зробив прототип на FastAPI, який завантажує OpenAPI (JSON/YAML/URL), перетворює
природну мову на HTTP-операції зі специфікації та виконує їх з урахуванням
автентифікації
додав LLM-підсилення UX: визначення наміру, робота з path/query параметрами,
обрізання надто великих відповідей і підсумовування JSON «людською» мовою
MCP-сервер для вихідних дзвінків через Vapi
реалізував MCP-сервер на Python з інструментами для Vapi (вихідні дзвінки, список
асистентів, дані про телефонні номери) для клієнтів на кшталт Claude Desktop
створив утиліту створення дзвінку поверх Vapi REST API з підтримкою іменованого
асистента або динамічної конфігурації (модель, голос, транскрайбер) та орієнтовної
оцінки вартості за хвилину
 ДОСВІД РОБОТИ
Codeminders
Розробка і дослідження | 02.2024 - 05.2025
Експорт закладів із Google Places по геосітці в CSV
реалізував Python-пайплайн збору Google Places по геосітці (bounding box, радіус
пошуку), збагачення через Place Details, дедуплікація та експорт у CSV з міткою часу з
обережним керуванням частотою запитів
розширив схему експорту (поле email) і додав конфіг для вибору джерела даних
(Google/Foursquare)
Foresight Research | 06.2025 - дотепер
Розробив і вивів у прод веб додаток Foresight Intelligence на React, TypeScript та Vite для
дослідження комерційної нерухомості в Колорадо: автентифікація через Supabase, UX з
урахуванням підписки, підключення до API для кількох середовищ (розробка / приймальне
тестування / прод)
Реалізував модуль ринкового аналізу: чат, рендер звітів (версійована схема), інтерактивні
графіки (Recharts) та сценарії з Mapbox, збережені звіти, посилання з параметрами та
публічний перегляд за share-посиланням
Забезпечив інженерію фронтенду під прод: єдиний API-клієнт з токеном і обробкою
помилок, TanStack Query, власні хуки для стану звіту та анімації макета, повноцінна навігація
(лендінг, дослідник, акаунт, біллінг)
Повністю реалізував Market Finder (fullstack): API на Node/TypeScript (моделі Prisma, сервіси
пошуку/scoring, ендпоїнти чату та LLM звітів, збережені/версіоновані пошуки) і React UI
(критерії/виміри, ранжовані результати на Mapbox, clarification-флоу)
Покращене уточнення LLM для аналізу ринку: етапи конвеєра, структуроване відображення
фактів, керування версіями запитів та Markdown-відповіді асистента в чат-сайдбарі