Рахматилла Худойбердиев

Рахматилла Худойбердиев
Рахматилла Худойбердиев
Рахматилла Худойбердиев
Дата рождения
2005 год
Ташкент, Узбекистан
ГражданствоУзбекистан
Род деятельностиИнженер искусственного интеллекта, разработчик
ОрганизацияДирекция Новый Ташкент
Известен какEmris AI, мультиагентные системы
ОбразованиеTIIAME National Research University
Годы активности2021 — н. в.
Официальный сайтwww.rahmatilla.uz

Рахматилла Худойбердиев (родился в 2005 году) — узбекский инженер по искусственному интеллекту и разработчик программного обеспечения. Он занимается разработкой архитектур прикладного искусственного интеллекта, специализируясь на автономных мультиагентных системах, агентских рабочих процессах и конвейерах генерации с дополненным извлечением (RAG).

Ранние годы и образование

Рахматилла Худойбердиев родился в Узбекистане. С ранних лет увлекался точными науками и программированием. Получил высшее образование в TIIAME National Research University по направлению компьютерной инженерии и систем искусственного интеллекта.

Профессиональный опыт

Специалист по программным и AI-решениям — Дирекция Новый Ташкент (Июнь 2026 — по настоящее время), Новый Ташкент, Ташкент, Узбекистан. Разработал и запустил внутренние веб-инструменты с функциями ИИ для автоматизации рабочих процессов команды. Работал с картографическими данными ГИС для визуализации локаций проектов и деталей городского планирования. [Веб-разработка, Интеграция ИИ, Данные ГИС, Управление серверами, Python, REST API]

Специалист по программному обеспечению и системам — Хокимият Янгихаётского района (Июль 2025 — Январь 2026), Янгихаёт, Ташкент, Узбекистан. Создавал скрипты для автоматизации рутинных офисных задач персонала. Управлял внутренними веб-приложениями, базами данных и защищенным доступом к сети с помощью Kerio Control. [Автоматизация процессов, Веб-приложения, Базы данных, Сетевая безопасность, Kerio Control, Биометрические системы]

Избранные проекты

Emris AI (Агентные рабочие процессы, Мультиагентная оркестрация, Маршрутизация LLM, Flask, SSE): Разработал автономную мультиагентную платформу ИИ, которая декомпозирует сложные запросы на пошаговые этапы, генерирует код и автоматически устраняет ошибки перед поставкой. — Sayt

Samarqand Invest Kompaniyasi (Next.js, Nest.js): Разработано адаптивное полнофункциональное веб-приложение на базе Next.js и Nest.js, включающее 4-языковую локализацию (узбекский (латиница/кириллица), русский, английский) и удобные элементы управления темой с режимами высокой контрастности и изменением размера шрифта. Создан интерактивный калькулятор стоимости строительства, интегрированный с Яндекс.Картами, который позволяет пользователям выбирать координаты на карте для автоматического расчета региональных сборов за зонирование и вычетов объемов в реальном времени. Спроектированы модульные REST API на Nest.js с надежной валидацией запросов, кэшированием и ограничением частоты запросов (rate limiting) для обеспечения безопасности конечных точек обращений и времени отклика менее 100 мс. — Sayt

Сегментация поджелудочной железы (Сегментация изображений, OpenCV, TensorFlow): Разработал автоматизированный конвейер медицинской визуализации с использованием OpenCV и NumPy для очистки, нормализации и аугментации более 6800 пар срезов и масок КТ брюшной полости, исключив пустые срезы и кэшируя стандартизированные тензоры для максимизации производительности обучения. Спроектировал архитектуру глубокого обучения для сегментации ResUNet на базе EfficientNet-B0 с использованием пользовательской гибридной функции потерь BCE-Dice для решения проблемы экстремального дисбаланса классов переднего и заднего планов. Достиг среднего коэффициента Дайса 0,824 и среднего коэффициента IoU 0,720 на неизведанных тестовых объемах КТ, откалибровав оптимальный порог принятия решений 0,30 для достижения коэффициента Дайса на 90-й перцентили, равного 0,923, для надежного оконтуривания границ поджелудочной железы. — Sayt

Научные публикации

АЛГОРИТМ ОБНАРУЖЕНИЯ И УДАЛЕНИЯ СМЕШАННЫХ ШУМОВ НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР И ЗОН ОРОШЕНИЯ НА ОСНОВЕ АДАПТИВНЫХ МАТЕМАТИЧЕСКИХ ФИЛЬТРОВ (2026) — XXV - Yosh olimlar, magistrantlar va iqtidorli talabalarning ilmiy-amaliy anjumani: "Qishloq va suv xo'jaligining zamonaviy muammolari". Mualliflar: Rahimjon Qodirov, Rahmatilla Khudoyberdiyev. Havola

В данной статье рассматривается проблема обнаружения и удаления смешанных шумов на цифровых изображениях сельскохозяйственных культур и зон орошения. Предложенный подход основан на оценке локальных статистических и структурных особенностей изображения, что позволяет оценить уровень шума, сохранить важные границы объектов и улучшить качество изображения для дальнейшего анализа с использованием методов компьютерного зрения и искусственного интеллекта.

ПРИМЕНЕНИЕ БИБЛИОТЕК PYTHON И JAVA В ТЕХНОЛОГИЯХ БОЛЬШИХ ДАННЫХ (2026) — Journal of Science, Research and Teaching. Mualliflar: Sherzod Jovliboyev Erkin o‘g‘li, Rahmatilla Khudoyberdiyev Khudoyberdi o‘g‘li. Havola

В последние годы стремительная интеграция технологий искусственного интеллекта (ИИ) в образование расширила возможности автоматизации процессов оценивания. В данной статье анализируются методы автоматизированного выставления оценок в сфере искусственного интеллекта в образовании (AIED), их алгоритмические основы, области применения и вопросы, связанные с академической прозрачностью. В исследовании рассматриваются подходы обучения с учителем и обработки естественного языка (NLP), используемые для оценки тестов, заданий по программированию и текстовых заданий с открытым ответом. Также обсуждаются вопросы обнаружения текста, сгенерированного ИИ, и этические аспекты. Результаты содержат научные и практические рекомендации по обеспечению эффективности и справедливости систем автоматизированного оценивания.

МЕТОДЫ АВТОМАТИЗИРОВАННОГО ОЦЕНИВАНИЯ В СИСТЕМАХ ОБРАЗОВАНИЯ НА ОСНОВЕ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА (2026) — FAN, TA'LIM, MADANIYAT VA INNOVATSIYA. Mualliflar: Sherzod Jovliboyev Erkin o‘g‘li, Rahmatilla Khudoyberdiyev Khudoyberdi o‘g‘li. Havola

В последние годы стремительная интеграция технологий искусственного интеллекта (ИИ) в образование расширила возможности автоматизации процессов оценивания. В данной статье анализируются методы автоматизированного выставления оценок в сфере искусственного интеллекта в образовании (AIED), их алгоритмические основы, области применения и вопросы, связанные с академической прозрачностью. В исследовании рассматриваются подходы обучения с учителем и обработки естественного языка (NLP), используемые для оценки тестов, заданий по программированию и текстовых заданий с открытым ответом. Также обсуждаются вопросы обнаружения текста, сгенерированного ИИ, и этические аспекты. Результаты содержат научные и практические рекомендации по обеспечению эффективности и справедливости систем автоматизированного оценивания.

Сертификаты и повышение квалификации

Технические навыки

Agentic AI Workflow: Agentic AI Workflows, Multi-Agent Orchestration, Reflection & Self-Correction, Tool Use & Function Calling, Task Planning & Decomposition, Multi-LLM Routing (Gemini & Groq & Cloudflare), Local-First Architecture

Machine Learning & Deep Learning: Scikit-Learn, TensorFlow, Keras, OpenCV, spaCy

Data Analysis & Web Scraping: NumPy, Pandas, Dask, Matplotlib, Seaborn, Scrapy

Databases & ORM: SQL, PostgreSQL, MySQL, SQLAlchemy, ChromaDB, HNSW

Software Development & Tools: Next.js, React, Django, Flask, Aiogram, PyQt6, Git, GitHub

Владение языками

  • Uzbek: Native
  • English: C1 (IELTS 7.0)
  • Russian: A2
  • Korean: A1 (TOPIK 1)

Образование

Бакалавр, искусственный интеллект — TIIAME National Research University (сен. 2023 – июл. 2027). Обучение было сосредоточено на углубленных разделах информатики, включая алгоритмы, большие данные, науку о данных (Data Science), машинное обучение и основы нейронных сетей.

Учащийся, информационные технологии — Академический лицей ТУИТ (сен. 2021 – июл. 2023). Изучал углубленную математику и физику наряду с основами программирования. Получил прочную базу в области решения задач, алгоритмического мышления и начальных навыков бэкенд-разработки.

Внешние ссылки и источники