# Богдан Фесенко

Богдан Фесенко — інженер із Києва, який будує системи, де AI-агенти й люди разом виконують реальну роботу. Він керував розробкою в споживчому стартапі на етапі до MVP, провів команду з п'яти людей від відсутності процесу до випущеного продукту і зробив розробку з агентами практикою, прозорою для рев'ю. Зараз будує агентні платформи та пайплайни детекції і трекінгу з виміряною якістю.

## Досвід

### Керівник розробки - Споживчий застосунок для родин, етап до MVP (stealth), підпадає під COPPA

листопад 2025 - вересень 2026

- Безпосередньо відповідав за всю розробку. Провів команду з п'яти людей від відсутності інженерного процесу до робочого основного циклу продукту в TestFlight приблизно за три місяці, потім працював архітектором платформи та неформальним лідом української команди.
- 148 злитих pull request-ів у монорепозиторії із семи застосунків за десять місяців; 95 міграцій бази даних, 452 тестові файли і 29 CI-воркфлоу, яких торкалися мої зміни; близько третини обсягу коду, паралельно з керуванням командою.
- Спроєктував і випустив усю MCP-поверхню продукту: основу SSE-ресурсів із шиною подій, що відстежує зміни, п'ять живих ресурсів, каталог із 83 інструментів з анотаціями для кожного інструмента і валідацією реєстру під час запуску, а також OAuth з динамічною реєстрацією клієнтів для сторонніх MCP-клієнтів.
- Запровадив агентну розробку в перший день, а потім зробив її прозорою для рев'ю: курс з AI-кодингу як обов'язковий етап онбордингу, рев'ю AI-сесій як частина код-рев'ю, шкала оцінювання з названими червоними прапорцями, трекер роботи для оркестрації агентів та інструмент змагального рев'ю кількома моделями.
- Написав для команди протокол планування і рев'ю: цілі, а не завдання; рев'юери в ролі опонентів, щоб знання поширювалися; вимоги до апрувів залежно від розміру зміни; SLA на рев'ю від чотирьох годин до тридцяти хвилин для хотфіксів.

Стек: TypeScript, Node.js, Fastify, MCP, Mastra, PostgreSQL, Drizzle, Supabase, React Native, Expo, Next.js, Cloud Run, GitHub Actions, Gemini / Vertex AI, Claude Code, BMAD

### AI-інженер, агенти та LLM-застосунки - Маркетплейс AI-агентів

січень 2025 - липень 2025

- Побудував бекенд агентів і агентів рівня proof-of-concept для маркетплейсу AI-агентів, з тестовим інтерфейсом для оцінювання поведінки агентів до релізу.
- Випустив фронтенд LLM-чату, адаптований під агентів маркетплейсу, і демо, з яким продукт презентували.

Стек: Python, LLM-агенти, оцінювання агентів, TypeScript, Next.js

### Засновник і AI lead - Власний AI-продукт

вересень 2023 - грудень 2024

- Будував продукти на генеративному AI з пошуком і retrieval, агентними workflow та власними інструментами.
- LLM-застосунки для клієнтів, зокрема MVP рекомендацій реклами з аналізом ключових слів і кілька продуктових фронтендів; публічне рішення змагання Kaggle з детекції кораблів.

Стек: Python, TypeScript, RAG, LLM-агенти, FastAPI, Next.js

### AI-інженер - Фриланс, клієнтські проєкти

листопад 2021 - вересень 2023

- Виконав понад 20 проєктів з генеративним AI для клієнтів: від NLP-чат-ботів до автоматизації робочих процесів.

Стек: Python, LLM-застосунки, NLP, чат-боти, автоматизація процесів

### Lead ML-інженер - ML-команда для корпоративних клієнтів

листопад 2020 - листопад 2021

- Керував командою з трьох інженерів: найм, навчання і розвиток.
- Проєктував наскрізні ML-рішення для корпоративних клієнтів, спрямовані на економію витрат і автоматизацію процесів.

Стек: Python, машинне навчання, MLOps, лідерство команди

### ML-інженер - Адаптивна платформа онлайн-навчання

липень 2019 - листопад 2020

- Побудував ML-пайплайни для персоналізованих курсів; частка завершених курсів зросла на 23%.
- Побудував NLP-моделі зіставлення відповідей, що дали нові функції курсів; поганих відгуків стало на 37% менше.

Стек: Python, NLP, ML-пайплайни, рекомендації

### Data Scientist - Компанія комп'ютерного зору

листопад 2018 - липень 2019

- Побудував систему розпізнавання облич: нова архітектура мережі, датасет і метод навчання для оцінки якості зображення та агрегації ембедингів.
- Випустив повний пайплайн: шість нейромереж на одному сервері, чотири потоки Full HD у реальному часі на одній GTX 1080 Ti; розгорнуто в кількох містах України.

Стек: Python, глибоке навчання, розпізнавання облич, відео в реальному часі, інференс на GPU

## Навички

### Мови

- TypeScript
- Node.js
- Python
- C++17
- SQL
- Rust

### ML і чисельні методи

- векторизовані numpy і scipy
- Kalman та IMM
- GNN та JPDA
- SPRT та M-of-N
- track-before-detect
- межі Крамера-Рао
- MOTA / IDF1 / HOTA
- маршрутизація та оцінювання LLM

### Системи

- Fastify
- PostgreSQL та Drizzle
- Supabase
- SSE та WebSocket
- OAuth 2.0 та DCR
- Google Cloud Run
- GitHub Actions
- testcontainers
- React Native та Expo
- Next.js
- реальний час на edge-пристроях ARM

### Агенти та LLM-інструменти

- Model Context Protocol, серверна частина
- Mastra
- Claude Code, Codex, Cursor, BMAD
- Agent Client Protocol
- змагальне рев'ю кількома моделями
- трекери для оркестрації агентів

### Керівництво

- команда з п'яти людей у ролі керівника розробки
- протоколи планування та рев'ю
- артефакти спринтів з урахуванням ресурсу команди та залежностей
- онбординг інженерів в агентну розробку
