Каталог специалистов

Дмитрий — Data Scientist из Санкт-Петербурга. Специализируется на AI & Robotics. Имеет опыт работы в качестве NLP/ML-специалиста над проектом по разработке NLP-сервиса, где занимался созданием модулей предобработки текста и решением задач по определению именованных сущностей и их классификации. Собранный сервис был отправлен в продакшн. Также работал NLP-инженером над другим проектом, связанным с разработкой чат-бота с функциями ИИ. Занимался написанием REST API для доступа к LLM на сервере и дальнейшей реализацией ИИ-агентов. Чат-бот успешно внедрён со стороны заказчика.

Junior+ ML-инженер, специализирующийся на задачах Анализа Данных, Computer Vision, NLP.

Илья — опытный Data Scientist с навыками работы в сфере машинного обучения и анализа данных. Он обладает глубоким пониманием алгоритмов и инструментов, таких как Python, SQL, Pandas, PyTorch, Numpy, PostgreSQL, Tensorflow, Lightgbm, Scikit-learn, Plotly, Seaborn, beautifulsoup, CatBoost, Docker, FastAPI, langchain, Network, openAI, Psycopg2, Qdrant, Sklearn, Streamlit, XGBoost, Yandex Cloud. Илья участвовал в разработке и улучшении модели Catboost для прогнозирования числа гостей и чеков, а также в создании веб-приложения для машинного обучения. В рамках проектов он решал задачи классификации изображений товаров, разработки чат-ботов, создания RAG системы для поиска жилья на Бали, оптимизации обработки запросов пользователей к LLM. Опыт работы Ильи на проектах составляет 3 года.

Аналитик данных с опытом внедрения продуктов, упрощающих принятие ключевых бизнес-решений. С компетенциями в области классического МЛ и разработал модель классификации Яндекс Музыки. Благодаря опыту работы в Wildberries и Тинькофф я приобрел глубокое понимание бизнес-процессов и умение работать с большими объемами данных. В настоящее время являюсь ведущим аналитиком холдинга и отвечаю за всю систему аналитики в компании (аналитики полного цикла).

работал с чистым SQL на уровне продвинутых запросов (оконные функции, условные операторы выбора и т.д.); опыт работы с UNIX-системами на уровне простых операций; развитые коммуникативные навыки; опыт написание тестов для разработанного функционала; опыт рефакторинга кода; опыт проведения code review; участие в создании ETL процессов опыт сбора информации из Интернета путем парсинга применял как уже обученные модели машинного обучения/глубокого обучения, так и занимался их обучением самостоятельно опыт работы с большими данными в Hadoop и Spark и в составлении сложных SQL запросов в Apache Hive опыт работы с Apache Airflow опыт работы с Python для анализа данных (pandas, numpy, matplotlib, seaborn)

Data Scientist, опыт 4 года. Специализируюсь на задачах Анализа Данных, Computer Vision и NLP. Аспирант Института Искусственного Интеллекта Самарского Университета. Имею несколько научных публикаций в области Data Science, Computer Vision. Подход ĸ работе: сформулировать задачу, провести анализ данных и предложить оптимальное решение. В мои обязанности входит: 1. Общение с ĸлиентом, продуĸтовым менеджментом 2. Выстраивание дорожной ĸарты разработĸи внутри аналитичесĸого отдела 3. Презентация готовых решений заĸазчиĸу, обоснование выбора подхода и адаптация решения с учетом правоĸ ĸлиента 4. Передача готового проеĸта в Production

Анастасия — data-аналитик уровня middle. Специализируется на машинном обучении, проектном менеджменте и управлении продуктом. Опыт работы: - PremierShow (2021–2023): в роли data scientist создала модель оценки влияния рекламного трафика на объём заказов, разработала модель ранжирования специалистов/заказчиков, участвовала в создании чат-бота. - «Фотосклад» (2023–2023) в роли ML Engineer: разработала модель прогнозирования спроса на товары для маркетплейсов, создала аналитическую модель оценки отзывов и распознавания ботов в отзывах. - GlowByte Consulting (2023–2024) в роли Data Scientist: приняла участие в нескольких крупных проектах финтех-компаний, разработала модели склонности к кредитным продуктам и лояльности сотрудников. - Московская Биржа, ОАО (с июля 2024 года) в роли Senior ML Engineer: внедрила 6 моделей склонности для финансовых продуктов, разработала рекомендательную систему персональных советов и модель ранжирования кредитных предложений.

Александра — специалист уровня Middle в области Data Science. Обладает опытом работы с различными инструментами и технологиями, включая AIogram, Apache AirFlow, API, CatBoost, Docker, FAISS, GitHub, HuggingFace, Linux, Machine learning, Matplotlib, NLP, Numpy, OpenCV, Pandas, Power BI, PySpark, Python, PyTorch, Sklearn, SQL, Superset и другими. В проектах для компании «Росбанк» в роли Analyst занималась управленческой отчётностью, анализировала данные о рисках, распределении капитала и концентрации рисков, автоматизировала процессы отчётности с помощью макросов на VBA и R Shiny, разрабатывала интерактивные дашборды. В роли Data Scientist работала над стресс-тестированием, переводила отчётность в Power BI, создавала сложные дашборды, взаимодействовала с аудиторской проверкой.

Backend-разработчик, data-scientist.

Григорий — специалист уровня Middle+ в области Data Science, работает в Москве. Имеет высшее образование по специальности «Экономист» в области международного энергетического бизнеса. Владеет английским языком на уровне B1. Обладает опытом работы на проектах в сферах FinTech & Banking и E-commerce & Retail. Участвовал в следующих проектах: 1. ФинТех проект (роль — Data Scientist, руководитель направления валидации): анализ и оценка модельных рисков, верификация процесса сбора данных и разработки моделей, формирование отчётов и рекомендаций для разработчиков. 2. Анализ кадровых данных (роль — Data Scientist): снижение текучести кадров через предиктивную аналитику и NLP, построение ETL-пайплайна обработки текстов, автоматизирование разметки данных через GigaChat API. 3. Система прогнозирования спроса (роль — Data Scientist): разработка ML-моделей прогнозирования спроса, автоматизирование ETL-процессов, внедрение алгоритма A/B-тестирования ценовых стратегий. Ключевые навыки: Analytics, API, AutoML, ETL, Forecasting, Git, Machine learning, NLP, Pandas, PostgreSQL, Power BI, Python, PySpark, Scikit-learn, SQL, XGBoost и другие.

Александр — опытный Data Scientist с навыками работы в области машинного обучения и анализа данных. Он обладает глубоким пониманием SQL, Python и различных библиотек для машинного обучения, таких как Scikit-learn, CatBoost, LightGBM и XGBoost. В своей работе Александр успешно решал сложные бизнес-задачи. На текущем месте работы он разработал модель прогнозирования поломок платёжных терминалов, что позволило снизить затраты на обслуживание на 10% и уменьшить количество внеплановых ремонтов на 22%. Также он создал модель для определения оптимальной суммы овердрафта для водителей такси, снизив риски невозврата на 10%, и реализовал модель для выявления клиентов, наиболее подходящих для премиальных банковских услуг. Кроме того, Александр разработал модель для выявления и предотвращения мошеннических транзакций. Опыт работы Александра составляет два года.

Владимир — опытный ML-разработчик уровня Middle+. Обладает навыками работы с Python и библиотеками для анализа данных, такими как NumPy, Pandas, scikit-learn, CatBoost, LightGBM, Keras, PyTorch, LLM, BERT, FastText, ResNet. Также владеет инструментами для работы с большими данными: Hadoop, ClickHouse, Greenplum. Владимир имеет опыт руководства направлением по исследованию данных. На этой позиции он разработал и внедрил модель прогнозирования нагрузки на колл-центр, а также модели прогнозирования релевантных рекомендаций товаров и услуг и прогнозирования недобросовестных мошеннических действий. Кроме того, Владимир занимался подбором пороговых значений предсказания моделей на основе A/B тестирования. Также Владимир работал старшим специалистом по исследованию данных в группе машинного обучения. В этой роли он разрабатывал и внедрял модели анализа оттока клиентов, кластеризации и классификации пользователей, а также модель честного рейтинга поставщика на основе ансамбля моделей. До этого Владимир занимал позицию исследователя данных в SberData. Там он оптимизировал временные ряды для оптимизации памяти и утилизации процессоров кластеров хранилища Hadoop Yarn, разрабатывал бэкэнд для пилотов моделей кластеризации, алгоритм для входящих обращений чат-ботов, а также протокол сериализации объектов.

Я долгое время (с 2015 года) изучаю Python, у меня есть выполненные проекты, связанные с анализом данных и применением инструментов Data Science. Это помогает глубже понимать логику систем, в которых работаю как аналитик, и грамотно взаимодействовать с разработчиками и ML-командами. В работе ценю структурность, внимательность к деталям и ясную коммуникацию. Моё основное увлечение - это интеллектуальные игры. Я являюсь неоднократным победителем и призёром Чемпионата России по интеллектуальным играм, которые развивают стратегическое мышление, быстрое принятие решений и способность видеть взаимосвязи.

Ключевые навыки: BPMN UML ML DML API gRPC User Story ARIS EPC REST open API SQL Python Service-Based Architecture. Бизнес и системный анализ Статистический анализ Прогнозирование Глубокое машинное обучение Нейронные сети Формирование технического задания для разработки Системная интеграция

На данный момент работает на одном ключевом проекте направления ML аналитиком. В коллективе коммуникабелен. Способен на принятие обдуманных самостоятельных решений. Ответственен за принятые решения и выполненные действия. Оправдывает доверие.

Павел Свиридов — Data Scientist с опытом разработки и внедрения аналитических решений в крупные производственные и инфраструктурные проекты. Его специализация охватывает полный цикл построения и продакшн-внедрения ML-моделей, а также стратегическое развитие аналитических систем и руководство командами. Среди его достижений — реализация масштабных проектов с применением ML, внедрение более десяти информационных систем в бизнес-процессы компании, снижение годовых издержек на десятки миллионов рублей, а также ликвидация технического долга, приведшая к росту стабильности и скорости разработки. Павел ориентирован на внедрение современных технологий, оптимизацию процессов и повышение точности прогнозных решений. Он уверенно работает как в роли технического исполнителя, так и в роли лидера команды. Ключевые компетенции: · Полный цикл разработки ML-моделей: от сбора данных до мониторинга в продакшене · Построение предиктивной аналитики, прогнозирование, классификация, регрессия · Обработка, агрегация и визуализация данных: Pandas, Numpy, Matplotlib, Seaborn · Интеграция моделей и API в инфраструктуру с помощью Docker и Kubernetes · Мониторинг и сопровождение через Grafana и лог-аналитику · Управление командами аналитиков, стратегическое планирование, KPI-контроль · Оптимизация бизнес-процессов через внедрение информационных систем · SQL- и Python-скриптинг, работа с базами: Oracle, PostgreSQL, DBeaver · Инструменты: Git, GitLab, Oracle Developer, DBeaver, Grafana, Jupyter · ML-библиотеки: Scikit-learn, XGBoost, LightGBM, CatBoost