Каталог специалистов

Ключевые навыки: Внедрение и администрирование СЭДО: Опыт работы с Tessa (4 года), включая внедрение, администрирование, техподдержку, оптимизацию ролевой модели, автоматизацию интеграций. Бизнес-анализ: Анализ и оптимизация бизнес-процессов документооборота и архива в банковской сфере. Работа с базами данных: Уверенное знание SQL (SELECT, JOIN, EXISTS, WITH, OVER), опыт работы с PostgreSQL, MS SQL, Vertica. Автоматизация процессов: Опыт автоматизации процессов, интеграций, нагрузочного тестирования. Техническая документация: Навыки написания и дополнения технических заданий, сопровождение продуктов. Инструменты и технологии: Python, BPMN, UML, COBIT, Git, Docker, Tableau, Naumen Service Desk, Redmine. Администрирование ОС: Опыт работы с Astra Linux, Debian, построение корпоративных сетей. Data Science: навыки работы с NumPy, Pandas, Matplotlib, Seaborn, TensorFlow, Scikit-learn.

Data scientist с широким набором навыков в области анализа данных и машинного обучения. Ключевые компетенции включают регрессию, классификацию, кластеризацию, работу с деревьями решений, ансамблевыми моделями (включая Random Forest и градиентные бустинги), а также модели прогнозирования временных рядов. Опытен в области нейронных сетей и компьютерного зрения. В моем арсенале такие библиотеки, как NumPy, Pandas, Matplotlib, Seaborn, Scikit-learn, PyTorch, XGBoost, LightGBM, statsmodels и PySpark. Мой опыт также включает в себя разведывательный анализ данных, их предобработку и feature engineering. Успешно применял LLM и CNN в своих проектах. Помимо этого, есть опыт работы с инструментами, такими как SQL, Git, Bash, Docker, Streamlit и HuggingFace. Среди моих дополнительных навыков можно выделить A/B-тестирование и высокую способность к самообучению в процессе работы.

Григорий — опытный Data Scientist с навыками в области машинного обучения и анализа данных. Он обладает глубоким пониманием Apache AirFlow, Azure, C++, Docker, FastAPI и других технологий. Григорий успешно работал над проектами в сфере Hardware и E-commerce & Retail. В рамках одного из проектов он разработал систему автоматического выявления дефектов на производственной линии, используя архитектуру YOLO V5. Это позволило повысить точность обнаружения дефектов до 89%. В другом проекте Григорий создал модель прогнозирования продаж для ритейл-сети, используя комбинацию алгоритмов Prophet и XGBoost. Это помогло снизить MAPE с 15% до 8%. Также Григорий разработал автоматизированный классификатор товаров для e-commerce платформы, что позволило сократить затраты человекочасов на категоризацию на 30%.