Резюме кандидата
Халиль Ибрагим Курназ
AI Software Engineer · Стамбул, Турция
Я AI Software Engineer, специализирующийся на агентных ИИ-экосистемах, backend-архитектуре и готовых к продакшену GenAI-платформах. Я проектирую масштабируемые RAG-пайплайны, мультиагентные оркестрации и надёжные tool-calling процессы, превращающие возможности LLM в реальные продукты корпоративного уровня.
Опыт
- Участник буткемпа по управлению продуктом · TurkNetСентябрь 2026 по Ноябрь 2026
- Стажёр Backend AI Engineer · FlyRank AIИюнь 2026 по Сентябрь 2026
- AI Engineer · AI Business SchoolНоябрь 2025 по Февраль 2026
- Business Analyst & Conversational AI Designer · CBOTОктябрь 2024 по Январь 2025
- Стажёр, программа Flo Gen Digital · FLO GroupАвгуст по Сентябрь 2026
- Стажёр, онлайн-программа QNB 101 · QNB TürkiyeАвгуст по Сентябрь 2026
Ключевые проекты
- FlowOne: платформа оркестрации ИИ-агентов · Lead Architect & DeveloperВедущий архитектор AI-native SaaS-платформы с Agent Studio, Workflow Studio и Voice AI.https://useflowone.com/
- PinMind: фреймворк оркестрации мультиагентов · Creator & MaintainerФреймворк на основе LangGraph для контекстно-зависимой маршрутизации агентов, планирования и оркестрации задач.https://github.com/hhalilikurnaz/pinmind-web
- Drone Fire Watch: обнаружение огня и дыма с воздуха · Graduation ProjectДипломный проект: детектор YOLOv8-L, обученный на датасете D-Fire из 21K изображений (precision, recall и mAP50 ≈ 0.80), который через FastAPI обслуживает операционный дашборд на React и полевой репортер на Streamlit.https://github.com/hhalilikurnaz
Навыки
- ИИ и агентные системы
- LLMs & Agentic AI, RAG Architectures, LangGraph, Tool-Calling, Prompt Engineering, Deep Learning, Computer Vision, ElevenLabs & Twilio
- Backend
- Python, Node.js, FastAPI, SQL, Java, C/C++
- Frontend
- React, TypeScript, JavaScript, Flutter, Next.js
- Инфраструктура
- Docker, PostgreSQL, MongoDB, Alembic, Cloudflare R2, CI/CD, Vercel
Образование
Бакалавр программной инженерииСтамбульский университет Айдын · Выпуск в 2026 году14 сертификатов (ИИ, облако, данные), проверяемых в портфолио
Вопросы для собеседования
- FlowOne обещает, что сбой провайдера никогда не теряет запрос. Что происходит с запросом, когда API модели отвечает 503?
- Как во FlowOne изолирован поиск по клиентам в слое pgvector и как бы вы доказали это тестом?
- Drone Fire Watch достиг mAP50 ≈ 0,80. Что его ограничило и какие ложные срабатывания было сложнее всего убрать?
- Ваша система задач использует идемпотентность на блокировках и 3 ретрая с backoff. Что будет, если воркер упадёт, держа блокировку?
- Это портфолио делит анализ соответствия на четыре агента с офлайн-резервом. Почему агенты, а не один промпт, и чего это стоит?