Я аспірант з комп'ютерних наук у Національному університеті водного господарства та природокористування. Моє дослідження — про те, як зробити генеративний AI придатним для рішень, де впевнена помилка гірша за відсутність відповіді.
На практиці це багатоетапні LLM-пайплайни та методи їхнього оцінювання, багатокритеріальний аналіз рішень і використання ринку праці як живого джерела даних для питань про навички, наймання та побудову навчальних програм.
Академічні профілі ще налаштовуються. Поки що кожна стаття нижче має посилання на DOI.
2025
Семантичний модуль виділяє та кластеризує навички, які роботодавці справді вимагають у вакансіях, а генеративна модель перетворює ці кластери на адаптивні структури курсів. Мета — навчальні програми, що відповідають реальному попиту ринку, а не відстають від нього на роки.
2024
Кар'єрний тест оцінює 40 факторів у чотирьох групах — кар'єрне зростання, робоче середовище, бенефіти та особисті цінності — і зіставляє їх із профілями роботодавців, побудованими на відгуках працівників. Так студенти та джуніори отримують рекомендації, що спираються не лише на employer branding.
2023
Автоматична категоризація вакансій на керованих сервісах AWS — ECS, DynamoDB, Glue, SageMaker і Lambda — та що така архітектура реально дає з погляду масштабованості й вартості експлуатації.