Марат Газизулин — ML Engineer
Агенты, RAG и мультимодальные пайплайны — от архитектуры до внедрения.
Требования превращаются в компоненты, потоки данных и распределение задач.
Текст, изображения, видео, аудио и 3D: GPU-сервер компании и внешние API в одной платформе.
Автоматическая оценка на датасете, трассировка и мониторинг — до того, как решение уходит в работу.
Начинаю с задачи и ограничений. Архитектурное решение должно объяснять, почему выбранный вариант подходит и как проверить его на практике.
ML Engineer → Lead ML Engineer → CTO
Платформа генерации и редактирования текста, изображений, видео, аудио и 3D. Разработал с нуля и запустил.
ML Engineer
Игровой ведущий на LLM для ролевых игр в Telegram и Discord.
Lead ML Engineer
Требования, архитектура и окружения в Runpod и ComfyUI: кастомные ноды, сохранение внешности персонажей, управление позами и обучение LoRA.
Проекты в открытом доступе: локальные генеративные студии на моей видеокарте с 16 ГБ и эксперимент по контролю раскрытия данных в LLM-агентах.
Самодостаточная локальная студия: проекты, генерация и редактирование изображений, 3D из изображения или текста, видео со звуком и управление моделями с проверкой контрольных сумм.
Репозиторий
«Change the red teapot to deep blue ceramic. Keep the table and window light.»
Локальная студия и MCP-сервер для HiDream-O1: React-интерфейс, Flask API с ограниченной GPU-очередью, прогресс через SSE и инструменты для агентов.
РепозиторийКонтроль раскрытия данных в LLM-агентах
Экспериментальный Python SDK: модель видит непрозрачные ссылки, а исходные значения попадают только в разрешённые поля инструментов после актуальной проверки прав. Сравнил его с ручной реализацией на двух синтетических агентных приложениях.
Главный вывод: идентичность данных и область их раскрытия — разные вещи. Контакт, общий для двух задач, был безопасно отклонён: это ложный отказ, а не утечка.
Экспериментальный код, не готовый продукт для защиты данных
Апрель 2026 — настоящее времяСейчас
ML Engineer
Техническая реализация AI-инструментов для автоматизации бизнес-процессов компании с командой из 250 человек.
Январь 2024 — март 2026
ML Engineer → Lead ML Engineer → CTO
С нуля разработал и запустил Artillect, платформу генерации и редактирования текста, изображений, видео, аудио и 3D. Спроектировал архитектуру, backend/API, распределение задач и рендер-исполнители; объединил модели на GPU-сервере компании через ComfyUI с внешними API через fal.ai. Реализовал RAG для генерации промптов с учётом выбранного типа. Позже отвечал за техническое планирование, найм, координацию команды и сопровождение релизов.
Февраль — август 2025
ML Engineer
Проектная частичная занятость. Разрабатывал AI-ведущего для RPG в Telegram и Discord: несколько Dify-workflow с более чем 100 узлами суммарно, разными моделями, промптами и памятью. Настраивал автоматическую оценку качества ответов на датасете, трассировку и мониторинг. Реализовывал API на Python, тесты, MySQL, лимиты и подписки.
Февраль — июнь 2025
Lead ML Engineer
Проектная частичная занятость. Уточнял требования, проектировал пайплайны генерации fashion-контента в Runpod и ComfyUI, создавал кастомные ноды. Работал с сохранением внешности персонажей, управлением позами и обучением LoRA.
Май 2021 — июнь 2023
Software Engineer · C# / Unity
Разрабатывал игровые и интерактивные системы: gameplay, multiplayer, инструменты и backend-интеграции. Инженерная база, на которой строится моя работа с AI.
От бизнес-требований до архитектуры: компоненты, потоки данных, распределение задач и интеграция моделей.
Многоэтапные процессы в Dify с разными моделями и памятью. RAG для генерации промптов под выбранный сценарий.
Автоматическая оценка ответов на датасете, анализ качества и производительности. Трассировка и мониторинг, в том числе Langfuse.
Python API, базы данных и тесты. Интеграция внешних моделей и выполнение задач на GPU-сервере компании.
Генерация и редактирование изображений, видео, аудио и 3D. ComfyUI, кастомные ноды и обучение LoRA для визуальных задач.
05 — Контакты
Интересуют роли ML Engineer: AI-системы, агенты, RAG и автоматизация. Особенно задачи, где нужно выбирать архитектуру, проверять качество и доводить решение до внедрения.
