Mantas Šimonis – DI inžinierius ir DI technologijų specialistas

DI, kuris pelno savo vietą darbo procese.

Aš – Mantas. Paverčiu daug žadantį DI demo realiai naudojamomis sistemomis. LLM, RAG, automatizacija ir neglamūrinė inžinerija, dėl kurios viskas veikia gamybinėje aplinkoje.

DI mag. · su pagyrimuVilnius, LT18 šaliųsavaitgalio mechanikas30+ augalų

Kuriu ir paleidžiu DI, kuris pagerina realius darbo procesus – ne skaidres.

Praktiškai dirbu per visą DI gyvavimo ciklą – nuo idėjos patikrinimo ir architektūros iki diegimo ir nuolatinio tobulinimo, apie kurį niekas nekalba prezentacijose. Esu sukūręs gamybinius DI produktus, patarę kolegoms strategijos klausimais, prisidėjęs prie tarptautinių iniciatyvų ir padėjęs organizacijoms rasti, kur DI tikrai kuria išmatuojamą vertę.

Mano pasaulis – dideli kalbos modeliai (LLM), RAG, DI automatizacija ir Python programinės įrangos inžinerija – inžinerija, paverčianti gudrų prototipą patikimu produktu. Web patirtis atėjo iš bakalauro studijų „Web puslapių, skaitmeninio/multimedijos ir informacinių išteklių dizainas", dar prieš magistrantūrą DI srityje.

Kai nesėdžiu prie terminalo, dažniausiai tvarkau automobilį, laistau vieną iš 30-ies kambarinių augalų arba esu kažkur užsienyje – jau aplankyta 18 šalių ir dar skaičiuoju. Instinktas tas pats: paimti tai, kas veikia, ir padaryti, kad veiktų dar geriau. Daugiau „gyvenimo" puslapyje →

ATVEJIS_01 · vidinis įrankis · LMT

DI ekspertų parinkimo įrankis

Sukurtas vienam, nuo idėjos iki diegimo. Perskaito paraišką, surikiuoja labiausiai tinkančius ekspertus iš visos Tarybos duomenų bazės ir sugrupuoja projektus pagal semantinę temą.

OllamaEmbeddingsPythonSemantic clustering

PROBLEMA

Kiekvieną paraišką rankiniu būdu priskirti specialistui užtrukdavo ~45 min. – 75+ val. per kvietimą, kai paraiškų būdavo 100+ – o ekspertai galėjo būti praleisti arba perkrauti.

SPRENDIMAS

Įterpia kiekvieną paraišką ir visus 2 000+ ekspertų profilius į tą pačią vektorių erdvę (metodas iš publikuoto mokslinio straipsnio), rikiuodamas pagal semantinį atitikimą su matomu pagrindimu.

SUKURTA

Visiškai lokali Ollama architektūra – jokie paraiškų ar ekspertų duomenys niekada nepalieka Tarybos serverių – su apkrovos balansavimu, kad tas pats ekspertas nebūtų nuolat perkraunamas.

REZULTATAS

Parinkimas dabar užtrunka kelias sekundes vienai paraiškai, ~95% greičiau, viskas paaiškinama – įrankis tapo vidiniu standartu visoje organizacijoje.

45min → sek

vienai paraiškai, rankiniu → su DI

~95%

mažiau laiko parinkimui

2 000+

ekspertų, 100% lokaliai

ATVEJIS_02 · RAG pokalbių robotas · asmeninis projektas

HR žinių asistentas

Asmeninis projektas – RAG pokalbių robotas HR atvejui: klausi paprasta kalba, gauni atsakymus iš vidinių dokumentų ir kolegų profilių – vietoj knaisiojimosi po aplankus.

→ rezultatas: savitarnos atsakymai, mažiau pasikartojančių HR klausimų

RAGVector searchLLM

ATVEJIS_03 · DI patikra · LMT

DI ekspertų analizė

Su DI ištiria ekspertą ir iškelia svarbiausia – automatiškai pažymi interesų konfliktus (COI) ir kitus patikrinimus, kurie anksčiau buvo atliekami rankiniu būdu.

→ rezultatas: greitesnė, patikrinama patikra

LLMCOI detectionPython

ATVEJIS_04 · gestų valdymas · asmeninis projektas

Medical Mouse

Asmeninis projektas – leidžia gydytojams valdyti kompiuterį rankų gestais, kad procedūros metu niekada nereikėtų liesti pelės ar klaviatūros (ir nusiimti sterilių pirštinių).

→ rezultatas: pirštinės lieka, procesas lieka sterilus

Computer VisionGesture ControlPython

DI, kuris pelno savo vietą darbo procese.

Kuriu ir paleidžiu DI, kuris pagerina realius darbo procesus – ne skaidres.

Atrinkti projektai.

DI ekspertų parinkimo įrankis

HR žinių asistentas

DI ekspertų analizė

Medical Mouse

Stack'as, įterptas.

Dirbkime kartu.

Agentų kūrimas

DI automatizacija

DI konsultacijos

DI vadovas ne visu etatu