Каталог специалистов

Среди своих сильных сторон могу выделить: - Стрессоустойчивость; - Хорошо развитые коммуникативные навыки; - Умение эффективно взаимодействовать с командой; - Стремление к развитию; - Умение находить эффективные и нестандартные решения для достижения результата. Обязанности / навыки: - Создание конвейеров обработки данных от источника до аналитической базы; - Настройка систем для извлечения данных из API, баз данных, файлов, Kafka и других источников; - Оптимизация ETL/ELT-процессов для повышения производительности и надежности; - Автоматизация обработки данных с использованием Airflow; - Проектирование и настройка хранилищ данных (PostgreSQL, ClickHouse, Hive и др.); - Интеграция потоковых систем (Apache Kafka, Spark Streaming); - Решение инфраструктурных инцидентов, связанных с обработкой данных; - Развертывание и поддержка инфраструктуры в Docker и Kubernetes; - Мониторинг и настройка алертинга для процессов обработки данных; - Работа с распределенными системами для обработки больших данных (Apache Spark).

Дополнительные активности и наработки Проектирование с использованием uml в plantuml, enterprise architect, BPMN Практические навыки работы с SQL и Python (Anaconda, Django), cоздание SQL запросов Знание requests, BeatifoulSoup Pandas, SMTPlib, email.mime, regular expressions; Опыт разработки аналитических и финансовых моделей; Backend-разработка на python Опыт работы с dev tools и swagger: консоль разработчика, insomnia, postman Опыт работы с SQL СУБД PostgreSql, Oracle, Mysql Опыт работы с hdfs СУБД APACHE Опыт работы Waterfall, Agile, Scrum Знание Kafka

Специализации: — Data Аналитик — Бизнес-аналитик — Продуктовый аналитик — Системный аналитик Общий стаж – 16 лет Навыки: • Языки программирования: Python, SQL, Java (основы) • Аналитика и BI: Power BI, Excel (VBA, Power Query), Yandex DataLens • ML и CV: TensorFlow, PyTorch, OpenCV, Scikit-learn, XGBoost, LightGBM • Data Engineering: Apache Airflow, Prefect, PostgreSQL, MongoDB, Snowflake • API и парсинг: Selenium, BeautifulSoup, Scrapy

▪ Data Scientist c более чем 5 летним опытом в области анализа данных и машинного обучения в различных отраслях, включая банковское дело, финансовые услуги, e-commerce и стартапах. ▪ Применение передовых методов анализа данных и машинного обучения для глубокого анализа текущих данных и процессов (уверенное использование ML-методов, как классических, так и DL), оптимизации операций и извлечения ценных инсайтов, а также их адаптации к бизнес-потребностям. ▪ Разработка и проектирование систем разной сложности в соответствии с техническими требованиями и задачами, включая высокоэффективные, высоконагруженные и масштабируемые микросервисные приложения. Написание кода в соответствии с PEP 8 ▪ Глубокий анализ существующих решений, их улучшение и адаптация к требованиям бизнес-процессов. ▪ Опыт работы с облачными сервисами (Sber Cloud, Azure) и настройкой CI/CD процессов (Gitlab, Jenkins). ▪ Коммуникабельность, мотивация и способность быстро вливаться в текущие процессы команды с целью достижения результатов. ▪ Менторинг новых сотрудников, участие в демо и внутренних конференциях, написание статей ▪ Проведение code review

Хобби: шахматы (мастер спорта)

Опыт разработки на Java более 6 лет; Опыт разработки на Scala >=2.12 более 4 лет; Есть опыт работы с Http4s; Есть знания и опыт работы с PostgreSQL; В работе использует Docker; docker-compose; Есть опыт работы с Akka; Умеет разбираться в чужом коде; Знает паттерны проектирования, DI, SOLID; Есть опыт разработки и проектирования REST API/Swagger; Есть опыт профилирования и поиска узких мест; Использует и настраивает CI/CD; Умеет проводить качественные code review.

Денис — опытный специалист в области Data Science с опытом работы более 6 лет. Он обладает глубокими знаниями и навыками в таких областях, как Data Analysis, Machine Learning, ETL, а также имеет опыт работы с различными инструментами и технологиями, такими как Python, PostgreSQL, Power BI, Docker, Git и другие. Денис работал на различных проектах в отраслях Manufacturing, LifeStyle и Insurance, где он занимал должности руководителя направления Качества данных, аналитика-методолога ДВХ, CA, старшего Data аналитика и Data Scientist. На своих проектах он занимался обеспечением контроля за уровнем качества данных, анализом качества данных, разработкой витрин данных, поддержкой внедрения PIM/MDM системы, сборкой информации и постановкой задач на загрузку данных из различных источников, проектированием объектной модели корпоративного хранилища данных, построением витрин данных для BI-отчетности, исследованием и загрузкой сырых данных, разработкой отчетов и дэшбордов MS Power BI и другими задачами. Опыт самостоятельной и в составе команды аналитической работы в рамках различных проектов. Опыт участия в соревнованиях по ML - Kaggle. Computer skills: Python – в объеме использования стека для работы с данными и АПИ SQL – сложные отчеты, аналитические, оконные функции и пр. MS Office – профессиональный уровень (VBA, Pivot, создание БД в MS ACCESS и др.) RapidMiner Studio – опыт создания и практического использования предиктивных и оптимизационных моделей в рамках проектов;

Оксана — опытный специалист в области Data Science с семилетним опытом работы на проектах. Она обладает глубокими знаниями и навыками в таких областях, как искусственный интеллект, машинное обучение, нейронные сети, байесовская статистика, дифференциальная геометрия, топологический анализ данных, математическая статистика и другие. Оксана работала главным специалистом по изучению данных в компании из сферы страхования, где занималась актуарным ML-моделированием для P&C страхования. В её обязанности входило руководство удалённой командой из трёх человек, разработка и внедрение моделей, а также оптимизация процессов разработки и актуализации документации. Благодаря её работе охват моделей компании увеличился до 90 % портфеля. Также Оксана работала аналитиком по финансовым данным в компании из образовательной сферы. Там она внедрила ML-моделирование в финансовую практику команды, заменила Excel на облачные вычислительные решения, оптимизировала использование оперативной памяти при обработке данных.