<h1>

Привет!
Я Денис,
fullstack-разработчик

</h1>

<p>

В одиночку делаю системы для продакшена — от идеи до работающего продукта за 1–3 недели. Бэкенд на Python, фронтенд на Next.js, DevOps на Docker, AI/ML-инфраструктура. Запущено систем: 5. Работаю удалённо.

</p>

Обсудить проект

Проектов
в продакшене

Лет
в IT

Английский
и болгарский

Обо мне

Нелинейный путь в разработку

<p>

Привет!
Меня зовут Денис, я занимаюсь fullstack-разработкой на Python, Django, FastAPI, Next.js и AI/ML-инфраструктурой.

Пишу чистый, лаконичный и надёжный код, который просто работает. Окончил лингвистику в МГУ, ушёл в разработку на полную ставку и продолжаю учиться.

Мой путь: лингвистика в МГУ → локализация ПО в OpenText и Hummingbird → системный администратор в Болгарии → промышленная робототехника → с 2024 года Python и AI/ML на полную ставку.

Проверяю свой код на безопасность по OWASP Top 10, каждый проект деплою на Docker Compose + Nginx + SSL от Let's Encrypt, а структурированные логи и health checks закладываю с первого дня.

</p>

PythonDjango FastAPIFlask Next.jsReact TypeScriptDocker NginxPostgreSQL RedisAI/ML LLMFlutter

Навыки

Постоянно учусь и развиваюсь

Веб-разработка

Django · FastAPI · Flask
Next.js · React · TypeScript

AI/ML-инфраструктура

LLM deployment · GGUF
llama.cpp · Ollama · CUDA

DevOps & Infra

Docker · Nginx · Linux
SSL/TLS · PostgreSQL · Redis

Telegram-боты

aiogram · FastAPI
YooKassa · WebhooksAsyncSQLAlchemy

Python

Django

FastAPI

Next.js

React

TypeScript

🐳

Docker

Nginx

PostgreSQL

Redis

Проекты

Систем в продакшене: 5. Каждую сделал сам — от идеи до деплоя за 1–3 недели

NoSpoon Messenger

Открыть →

Анонимный кроссплатформенный мессенджер: кодирование через Brainfuck, хранение в IPFS, relay на Cloudflare Workers, CRT-интерфейс. Flutter + Dart.

Flutter 3.27 Dart Brainfuck compiler IPFS (Pinata v2)

SochiSpirit Marketplace

Открыть →

Маркетплейс handmade-товаров: WebSocket-чат, 5 ролей, модерация, вход через Telegram. Сделан за 2 недели.

Django 5.1 DRF Django Channels Celery

Все проекты →

Saiga LLM

Многопользовательский LLM-сервис на собственном GPU-кластере

Saiga Nemo 12B — на своём железе

Saiga Nemo 12B (семейство Llama, GGUF Q4_K_M) работает локально на 2× NVIDIA P104-100, слои распределены через llama.cpp. Около 7,5 ГБ VRAM на две карты, 15–18 токенов/с при контексте 8K. OpenAI-совместимый API, веб-интерфейс и Telegram-бот — распределённый деплой с полным стеком мониторинга (Prometheus + Grafana + DCGM).

saiga.vaibkod.ru @saiga_ai_bot github.com/saiga

12B

Параметры

Контекстное окно

15-18

Токенов/с

~7.5GB

VRAM всего

Подробнее о Saiga →

GPU-кластер

2× майнинговые P104-100, слои распределены через llama.cpp. CUDA 11.8 в контейнере. Третья P104 на том же хосте отдана под Stable Diffusion в соседнем RAG-проекте.

Распределённый деплой

Бот на отдельном VDS, к базе — через SSH-туннель с restricted-key. К LLM — по HTTPS с Bearer-токеном.

Мониторинг в продакшене

Prometheus + Grafana + DCGM-exporter. Дашборды по памяти, загрузке, температуре и энергопотреблению GPU.

CI/CD и тесты

GitHub Actions с ruff и pytest. 62 юнит-теста, покрытие 99% на тестируемых модулях.