Резюме

AI Architect & Founding ML Engineer

Я связываю теоретическое машинное обучение с реальным промышленным производством. Обладая более чем 10-летним опытом в data-driven разработке, аппаратной инженерии и прикладной химии. Специализируюсь на создании автономных систем замкнутого цикла, надежно работающих в суровых реальных условиях.

В настоящее время я развиваюсь в двух взаимодополняющих направлениях. В качестве AI Architect я проектирую корпоративные RAG-системы и пайплайны оркестрации LLM, полностью исключая ИИ-галлюцинации для критически важных задач в банковском и строительном секторах. Параллельно, как Founding ML Engineer в LogicYield, я разрабатываю оптимизированные для CPU датчики Edge AI, которые оцифровывают сложные инертные процессы, экономя промышленным предприятиям миллионы рублей ежегодно.

Ключевые навыки:

Профессиональный опыт

Founding ML Engineer (2022 - по настоящее время)

ООО "ЛоджикИлд" / LogicYield LLC (Стартап)

Специализируется на интеллектуальных решениях для тяжелой химической промышленности, сокращая ежегодные потери на $1.8 млн на каждом заводе. Резидент научного инновационного центра.

Обязанности:

1. Проектирование автономных оптических датчиков Edge AI для химической промышленности и производства удобрений, обрабатывающих сложные визуальные потоки без зависимости от облака или тяжелой GPU-инфраструктуры.
2. Настройка процессов MLOps и управление ИИ-моделями для развертывания и оптимизации систем машинного обучения.
3. Разработка R&D проектов в области ИИ и контроля качества в химической промышленности.
4. Управление командой (5 сотрудников).
5. Разработка ML и CI/CD пайплайнов, написание тестов.
6. Презентация решений лидерам отрасли и крупным предприятиям.
7. Подготовка бюджета на исследования и разработки (R&D).

Достижения:

1. Разработал устройства DotPulse — систему гранулометрии в реальном времени, работающую прямо на конвейерной ленте. Сократил время реакции завода на отклонения с 4 часов до 5 минут, устранив потери от брака на сумму около $1.8 млн в год на одно предприятие.
2. Создал устройства GuardDetector — оптимизированную для CPU систему временного sequence-теггинга (MobileNetV3 + BERT) для контроля охраны труда и технического обслуживания оборудования, обеспечив конфиденциальность (privacy by design) и предотвратив операционные убытки.
3. Привлек $150 000 инвестиций.

AI Architect (2025 - по настоящее время)

ООО DBF (DBF LLC), удаленно

Компания, специализирующаяся на разработке интеллектуальных ИТ-решений. Резидент ИТ инновационного центра. Обязанности:

1. Проектирование и внедрение корпоративных RAG и ИИ-систем, адаптированных для банковского и строительного секторов, повышение эффективности поиска данных (проектирование систем текстового поиска, предметно-ориентированные текстовые эмбеддинги, классификация и кластеризация текстов, доменная адаптация LLM).
2. Настройка процессов MLOps и управление ИИ-моделями для развертывания и оптимизации систем машинного обучения.
3. Разработка production-ready программных пайплайнов с использованием Named Entity Recognition (NER), графов знаний, векторных баз данных и BERT.
4. Создание ИИ-агентов: полный цикл разработки AI Agents и парсинг структурированного вывода (Structured Output).
5. Презентация решений топ менеджерам и конечным пользователям.

Достижения:

1. Спроектировал 2 системы текстового поиска и RAG базы знаний, отдавая приоритет строгим архитектурам извлечения данных для полного исключения галлюцинаций моделей и обеспечения абсолютной надежности информации.
2. Внедрил механизмы структурированного извлечения NER для преобразования неструктурированных корпоративных данных в форматы, доступные для запросов.

Директор по инновациям (R&D) (2022 - 2025)

ООО "Автодория", удаленно

Компания, специализирующаяся на интеллектуальных транспортных решениях, снижающих смертность на дорогах на 51% и количество ДТП на 15.6%

Обязанности:

1. Управление разработкой и обучением моделей машинного обучения, а также обработкой данных для проектов компьютерного зрения.
2. Настройка процессов MLOps и управление Torch-моделями для развертывания и оптимизации систем машинного обучения.
3. Поддержка R&D проектов, разработка и внедрение стратегий исследований в области компьютерного зрения и анализа сцен.
4. Управление кросс-функциональной командой из 12 ML-инженеров, находящихся в разных часовых поясах, при разработке интеллектуальных транспортных систем и систем компьютерного зрения.
5. Разработка ML-пайплайнов, автоматизация и тестирование процессов обучения моделей.
6. Контроль жизненного цикла моделей, оценка рыночных и научных ИИ-трендов.
7. Презентация решений высшему руководству и клиентам.
8. Подготовка R&D бюджета.

Достижения:

1. Успешно руководил кросс-функциональной командой из 12 ML-инженеров в распределенном формате.
2. Выстроил комплексную MLOps инфраструктуру (ClearML, GitLab CI/CD, Pytest), повысив эффективность команды и улучшив метрики читаемости кода с 3.0 до 9.2 (согласно pylint).
3. Внедрил практики code review и live coding (еженедельные сессии), увеличив производительность команды разработки с 1 до 5 merge requests в месяц.

Machine Learning Engineer (2021 – 2022)

rebels.ai, удаленно

Компания, специализирующаяся на внедрении ИИ и программного обеспечения в различные сферы экономики

Обязанности:

1. Настройка и поддержка инфраструктуры из 2 серверов с 4 GPU.
2. Подготовка данных (климатические данные, спутниковые данные: Sentinel, Google Earth Engine, NASA, данные наземных станций: CO2, PM 2.5, PM 10, промышленные данные).
3. Подготовка более 20 Jupyter-ноутбуков (pandas, geopandas, matplotlib, sentinelhub, gee, numpy).

Достижения:

1. Настроил и поддерживал серверную инфраструктуру для подготовки данных и обучения нейросетевых моделей.
2. Разработал 3 нейросетевые модели и активно участвовал в исследованиях архитектур нейросетей.
3. Проанализировал и обработал до 500 ГБ данных, оптимизировал вычисления — снизил потребление оперативной памяти с 54 ГБ до 13 ГБ, реализовал проекты в сфере климатического и спутникового мониторинга.

Начальник отдела автоматизации <- Старший <- Младший научный сотрудник (2011 - 2022)

ПАО "ФосАгро", АО "НИУИФ"

Ведущий научно-исследовательский институт, специализирующийся на технологиях переработки фосфатного сырья

Обязанности:

1. Руководил командой из 4 инженеров в ведущем НИИ России по переработке фосфатного сырья, объединяя химию, инженерию и автоматизацию.
2. Управление лабораторной инфраструктурой.
3. Статистический анализ данных и планирование экспериментов: разработка новых методик и методов, сбор и накопление данных (SCADA, MES).

Достижения:

1. Создал команду с нуля: поиск финансирования, подбор оборудования, найм сотрудников.
2. Разработал и запустил в производство 2 типа промышленных устройств контроля для физико-химического анализа.
3. Руководил стратегическими R&D проектами, успешно увеличив финансирование отдела со $174 000 до $294 000.
4. Подготовил более 30 промышленных отчетов и модифицировал технологические схемы на нескольких производственных объектах для интеграции новых автоматизированных систем контроля.

Доцент, Старший научный сотрудник (2018 - 2023)

Череповецкий государственный университет, кафедра автоматизации и управления, кафедра химических технологий

Один из ведущих научно-исследовательских институтов в области производства минеральных удобрений.

1. Управление лабораторной инфраструктурой; чтение лекций и проведение исследований в области ESG, систем промышленной автоматизации и проектного планирования.
2. Опубликовал 2 методических пособия и более 5 научных статей в изданиях Q2-Q3.

Патенты, публикации и интеллектуальная собственность

Ключевые научные публикации

• Intellectual Edge Vision: Reformulating Instance Segmentation of Dense media and Tracking as 1D Sequence-Tagging (Подано на ECCV 2026).
• Контроль качества гранул удобрений с использованием компьютерного зрения — обзор. Компьютерная оптика, 49(1): 84-94 (2025).
• CPU-эффективная роботизированная система для instance-сегментации и контроля грануляции минеральных удобрений. IEEE 26th International Conference of Young Professionals in Electron Devices, 2025.

Патенты и свидетельства

• Патент на полезную модель: Устройство для оптического и рентгеновского анализа порошковых материалов.
• Свидетельство о гос. регистрации: Программа "Калькулятор гранул" (автоматический расчет гранулометрического состава удобрений методами компьютерного зрения).
• Свидетельство о гос. регистрации: Программа "Калькулятор солевого индекса" (теоретический расчет солевого индекса минеральных удобрений).
• Свидетельство о гос. регистрации: Программа "DSpectra" (управление энергодисперсионными рентгенофлуоресцентными спектрометрами).
• Акт внедрения: Роботизированная система оптического контроля на объектах химического производства.
• Акт внедрения: Программное обеспечение для оптического распознавания гранул на объектах химического производства.

Примеры кода и архитектуры

Мое полное open-source портфолио доступно на GitHub (DimYun). Ниже приведены ключевые примеры, демонстрирующие мой подход к MLOps и созданию ИИ-сервисов, готовых к внедрению в production.

Спутниковое CV: Multi-Label классификация и API

Решение на базе нейронных сетей для multi-label классификации спутниковых снимков лесов Амазонки. Основной акцент в этом проекте сделан на код "промышленного качества" (industrial-grade) и архитектуру MLOps, а не просто на точность модели.

Стек и инженерные практики: PyTorch Lightning, timm, ClearML, строгие линтеры (black, isort, nbstripout, flake8), валидация данных с помощью Pydantic и DVC для контроля версий данных.

Примечание: В репозитории представлены версии нейросетей с коротким циклом обучения (около 15 эпох), оптимизированные для демонстрации архитектурного подхода.

Навыки: Computer Vision · Machine Learning · MLOps · FastAPI · PyTorch · Нейронные сети

Полный цикл OCR: Номерные знаки | FastAPI | TON

Комплексный сервис для распознавания автомобильных номеров, демонстрирующий полный жизненный цикл ИИ-продукта: от сбора данных до развертывания пользовательского приложения.

Архитектура проекта:

1. Сегментация (Instance Segmentation): Нейросетевая модель для выделения области номерного знака и фильтрации визуального шума.
2. Оптическое распознавание символов (OCR): Модель распознавания последовательностей для чтения символов на номере.
3. Backend оркестрация: FastAPI сервис, объединяющий обе нейросети в единый бесшовный конвейер.
4. Web3 и Bot-интеграция: Интерфейс Telegram-бота, использующий API, с платежным шлюзом на блокчейне TON (Разработано в рамках хакатона TON x ETH Belgrade).

Навыки: Computer Vision · FastAPI · PyTorch · Архитектура API · Интеграция Web3

Образование

• 2012 - 2017 | Кандидат технических наук (приборы и методы экспериментальной физики) | Институт аналитического приборостроения РАН
• 2010 - 2014 | Квалификация: Учитель химии (с отличием) | МГУ им. М.В. Ломоносова, Факультет педагогического образования
• 2007 - 2012 | Специалист (MS) по аналитической химии и нанотехнологиям (с отличием) | МГУ им. М.В. Ломоносова, Химический факультет
• 2007 | Среднее образование (с отличием) | Гимназия № 14

Рекомендации

Тимур Фатыхов | мой преподаватель на курсе CVRocket

Я преподавал Дмитрию Юновидову курс машинного обучения (CVRocket) в DeepSchool. На протяжении всего нашего сотрудничества меня неизменно впечатляла его приверженность учебе, энтузиазм и глубокая страсть к знаниям.

Как студент, Дмитрий постоянно демонстрировал высокий уровень целеустремленности и любопытства, активно работая с учебными материалами. Он активно участвовал в дискуссиях на занятиях, задавал проницательные вопросы и неизменно показывал образцовые результаты. Это позволило ему войти в топ-3 лучших выпускников шестого потока курса.

Кроме того, Дмитрий разработал и защитил собственный проект по OCR номерных знаков автомобилей, который был высоко оценен моими коллегами.

Что действительно выделяет Дмитрия — это его способность критически мыслить и анализировать сложные проблемы. У него врожденная способность к решению задач, и его аналитические навыки, несомненно, сослужат ему хорошую службу в будущих начинаниях.

Марат Гильманов | мой непосредственный руководитель в ООО "Автодория"

Я работаю с Дмитрием Юновидовым, руководителем отдела машинного обучения в ООО "Автодория", с 2022 года. На протяжении всего нашего сотрудничества меня постоянно впечатлял его инновационный подход, стратегическое мышление и экспертный уровень в разработке ML-стратегий.

В качестве руководителя отдела машинного обучения (R&D) Дмитрий обладает глубоким пониманием потребностей нашей целевой аудитории и способностью создавать привлекательные решения, которые находят отклик у клиентов. У него врожденный талант находить уникальные перспективы и подходы, которые выделяют наши проекты на фоне конкурентов. Кроме того, он разработал надежную и эффективную R&D инфраструктуру с использованием Ubuntu Server, CVAT, ClearML, Nginx, Docker и FastAPI.

Стратегическое мышление Дмитрия и его способность разрабатывать эффективные R&D инициативы заслуживают особого уважения. У него острый глаз на то, что работает, а что нет, и он сыграл ключевую роль в помощи нашей компании в достижении ее целей в области R&D.

Дмитрий не только высококвалифицированный технический специалист, но и человек, с которым очень приятно работать. У него отличные коммуникативные навыки, и он всегда готов сделать больше ожидаемого, чтобы обеспечить успех наших проектов.

Я настоятельно рекомендую Дмитрия Юновидова на любую работу в области R&D и разработки ИИ-стратегий. Он постоянно демонстрировал свою способность добиваться выдающихся результатов на своей должности. Было огромным удовольствием работать с ним, и я уверен, что он станет ценным активом для любой команды или организации.

Икечи Ндукве (Ikechi Ndukwe) | мой коллега в LogicYield LLC

Дмитрий — исключительный лидер и наставник в области машинного обучения, глубокого обучения и компьютерного зрения, применяющий эти технологии для решения реальных бизнес-задач. Он также является высококвалифицированным MLOps-инженером. Помимо своих технических знаний, Дмитрий — опытный исследователь и преданный командный игрок, который всегда готов поддержать своих коллег и подопечных. Его руководство принесло огромную пользу моему PhD исследованию, предоставив ценные идеи и направления для работы.

Работа с Дмитрием доставляла огромное удовольствие, и я искренне рекомендую его на любые позиции в сфере машинного обучения и исследований (R&D).

Курсы

• 2026 | LLM Pro — продвинутый курс по LLM и NLP системам (Deep School, 7 месяцев)
• 2024 | CVRocker — продвинутый курс по профессиональному End-to-End Computer Vision (Deep School, 7 месяцев)
• 2019 | Microsoft Professional Program. Data Science (Microsoft, 1 год)
• 2017 | Машинное обучение и анализ данных (МФТИ и Yandex, 1 год)
• 2015 | Data Science (Университет Джона Хопкинса, 1 год)

Языки

• Английский (C1, свободное владение)
• Русский (родной)
• Болгарский (B1, средний уровень)

Прочее

Награды

1. Победитель олимпиады по математике и физике (Национальный уровень)
2. "Инженер года" — Национальная ассоциация науки и инженерии, 2022
3. 1 место, "Инновационный инженер года" — Региональная премия, 2021
4. 1 место в корпоративном конкурсе "Молодой лидер" — Ведущая химическая корпорация, 2019
5. Почетная грамота — Национальная академия наук, 2019
6. Почетный диплом — Национальный союз химиков, 2019

Обо мне

От колб к коду: я прошел захватывающий карьерный путь, трансформировавшись из химика-аналитика в основателя стартапа и архитектора AI решений. Движимый страстью к науке и убеждением, что нужно создавать вещи, которые реально работают в физическом мире, я использую свою степень кандидата технических наук, Python и PyTorch для решения сложных промышленных задач. Будучи в душе фанатом Linux, я чувствую себя немного неуютно, если моего компьютера нет рядом.

За пределами лаборатории и терминала я являюсь обладателем лицензий ISSA Inshore Skipper (шкипер) и автомобильных прав — и я с удовольствием ими пользуюсь!

• GitHub
• ORCID
• LinkedIn