ProjectsПроекты
NotesЗаметки
BoardДоска
ContactКонтакты
> STATUS: ONLINE_
> TIME..: 00:00
> ACTIVE:

Creating scalable architecture, neural networks, and aesthetic interfaces.Создаю масштабируемую архитектуру, нейросети и эстетичные интерфейсы.

Scroll to exploreЛистай вниз

0
Projects shippedВыпущено проектов
0
Years codingЛет в коде
0
Lines of codeСтрок кода
0
Always shippingВсегда в релизе

/ aboutо себе

crlx1q — profile.json
"name""CRLX1Q",
"role""Software Developer",
"focus"["scalable arch", "neural nets", "aesthetic UI"]["масштаб. архитектура", "нейросети", "эстетичный UI"],
"location""Kazakhstan""Казахстан",
"currently""building UMA messenger""разрабатываю UMA messenger",
"available"true
crlx1q — skills.sh
$ neofetch --skills
Backend
0%
Frontend
0%
ML / AI
0%
DevOps
0%
Systems
0%
TypeScriptReactNext.jsNode.jsGoPythonPyTorchPostgreSQLRedisDockerK8sRust

/ projectsпроекты

/ notes & thoughtsзаметки и мысли

/ community boardгостевая доска

Leave an idea, feedback, or just say hi.Оставь идею, фидбек или просто поздоровайся.

0/120
⚠️ [ SYS.ERR ] Buffer overflow. 120 chars max.
BackНазад

/ notes & thoughts/ заметки и мысли

Technical articles, dev logs, and random thoughtsТехнические статьи, девлоги и случайные мысли

2026.05.28 5 min read

UMA Architecture: How we achieved 0ms latency Архитектура UMA: как мы добились 0ms latency

A breakdown of technical solutions, custom WebSockets, and database optimization to ensure instant message delivery. We dive deep into the architecture decisions that made UMA's real-time communication nearly instantaneous. Разбор технических решений, кастомных вебсокетов и оптимизации базы данных для обеспечения мгновенной доставки сообщений. Погружение в архитектурные решения, которые сделали коммуникацию в UMA практически мгновенной.

WebSockets Architecture Performance
2026.04.15 3 min read

Neural Networks on Client: PyTorch -> ONNX Нейросети на клиенте: PyTorch -> ONNX

How to run a heavy computer vision model directly in the user's browser without losing accuracy. Converting PyTorch models to ONNX format for client-side inference. Как запустить тяжелую модель компьютерного зрения прямо в браузере пользователя без потери точности. Конвертация моделей PyTorch в формат ONNX для инференса на стороне клиента.

PyTorch ONNX Computer Vision
2026.03.22 4 min read

Building a real-time task tracker with WebSockets Создание real-time таск-трекера на вебсокетах

A deep dive into how Tasco uses WebSocket connections for real-time collaboration. Architecture patterns for handling concurrent task updates across distributed teams. Погружение в то, как Tasco использует WebSocket-соединения для совместной работы в реальном времени. Архитектурные паттерны для обработки конкурентных обновлений задач в распределённых командах.

TypeScript WebSockets Redis
2026.02.10 6 min read

NLP-powered content moderation: the AntiMat story NLP-модерация контента: история AntiMat

How we built a Telegram bot that understands context-sensitive profanity filtering. Challenges of multi-language NLP, handling slang, and achieving 98% accuracy. Как мы создали Telegram-бота, который понимает контекстную фильтрацию ненормативной лексики. Сложности мультиязычной NLP, обработка сленга и достижение 98% точности.

Python NLP Telegram API
BackНазад

/ community board/ гостевая доска

Leave an idea, feedback, or just say hiОставь идею, фидбек или просто поздоровайся

0/120
⚠️ [ SYS.ERR ] Buffer overflow. 120 chars max.