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.

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.

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)

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.

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.

• Переход в Data Science: Получил красный диплом по специальности "Data Science". Владею Python, SQL, статистическим анализом и моделированием данных. Активно участвую в соревнованиях на Kaggle, демонстрируя прикладные навыки в решении реальных задач. • Технический опыт: Использование технологий PHP, JavaScript, SQL для разработки веб-решений, что обеспечило прочную основу в алгоритмах, структурах данных и программировании — необходимом для науки о данных. • Профессиональные навыки: - Многозадачность: Эффективное выполнение нескольких задач одновременно, быстрая адаптация к изменяющимся приоритетам при соблюдении сроков. - Коммуникация: Ясное и доступное объяснение сложных технических деталей, облегчающее межфункциональное взаимодействие. - Аналитический подход: Умение проводить всесторонний анализ данных, применяя комплексный подход к решению проблем. • Рабочая этика: Продуктивный и нацеленный на результат профессионал, успешно работающий как в команде, так и самостоятельно. • Непрерывное обучение: Постоянное следование за трендами индустрии и освоение новых технологий и стандартов. • Удаленная работа: Доказанный опыт качественной работы в удаленном формате. • Владение английским языком: Умение читать и понимать техническую документацию на английском языке. • Практическая ориентированность: Предпочтение решению практических задач вместо теоретических оценок.

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

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

Данила — опытный Data инженер с опытом работы более 3,5 лет. Он обладает глубокими знаниями и навыками в области работы с данными, включая Linux, macOS, MS Windows, Python, SQL, Apache AirFlow, Apache Superset, Docker, Git, Jinja, Jupyter и другие инструменты. Данила работал над несколькими проектами в таких отраслях, как eFinTech (банки, инвестиции), Toll Road (платные автодороги), MedTech (медицинские учреждения), Retail (магазины). На проектах он занимался разработкой и поддержкой витрин данных, ETL/ELT процессов, а также решением инцидентов и ad-hoc задач. Среди реализованных проектов Данилы можно выделить: - приложение инвентаризации для крупных складов; - анализ и планирование выручки и трафика платной автодороги; - система торговли на фондовых рынках; - приложение для рекомендации изображений; - систему матчинга резюме и вакансий. Профессиональные навыки: - менторство младших разработчиков; - ставил задачи в канбан; - работал с чистым SQL на уровне продвинутых запросов (оконные функции, подзапросы.); - опыт работы с UNIX-системами на уровне простых операций; - развитые коммуникативные навыки; - 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 - участие в проектировании и анализу DWH хранилищ - опыт работы с Apache Airflow - опыт работы с Python для анализа данных (pandas, numpy, matplotlib, seaborn)

Я Data Scientist с высшим техническим и экономическим образованием. Имею широкий спектр навыков в области сбора, агрегации и предварительной обработки данных, а также в применении алгоритмов машинного и глубокого обучения, решения задач CV и NLP. Отлично понимаю основы теории вероятностей и математической статистики. Кроме того, я обладаю навыками визуализации данных с использованием библиотек, таких как matplotlib, seaborn. С университета занимался научно-исследовательской работой. Участвовал в научных конференциях. Вошел в список "100 молодых инновационных лидеров России".

Обладая опытом в области машинного обучения и анализа данных, являюсь настоящим сторонником решения сложных задач и поиска эффективных решений. Мои подходы к решению задач улучшили бизнес-процессы в значительной степени.

Валерий — опытный специалист по Data Science с навыками работы в области машинного обучения, аналитики и моделирования. Обладает глубоким пониманием алгоритмов и инструментов, таких как Python, SQL, Apache AirFlow, XGBoost, LightGBM и другие. Валерий успешно работал на проектах в различных отраслях, включая логистику, финансы, электронную коммерцию, телекоммуникации и медиа. На каждом проекте он выполнял широкий спектр задач, связанных с анализом данных, машинным обучением, разработкой и внедрением моделей, а также общением с бизнесом и менторством младших специалистов. Опыт Валерия включает работу в качестве ведущего специалиста по машинному обучению и аналитике в компании KazanExpress, где он внедрил инструменты А/В анализа, создал матрицу компетенций для performance review сотрудников и разработал систему рекомендаций товаров. Также он работал старшим специалистом по машинному обучению в Альфа-Банке, где внедрил рекомендательную систему партнёров клиентам банка и систему повышенного кэшбэка. В X5 Group Валерий занимался предсказанием суммарных трат клиентов и внедрял рекомендательную систему категорий товаров в продуктовом ритейле. Кроме того, он реализовал рекомендательную систему в мобильном приложении Мегафона и строил прогнозные модели для Upgrade и Upsell. Также Валерий имеет опыт преподавания на платформе GeekBrains, где проводил лекции и семинары по Python и анализу данных. Дополнительное образование - BigData Team, bigdatateam.org. Практический курс по большим данным, 2020 - Построение выводов по данным, Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2020 - Прикладные задачи анализа данных Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2020 - How to Win a Data Science Competition: Learn from Top Kagglers Coursera (ВШЭ), Advanced Machine Learning Specialization, 2019 - Обучение на размеченных данных, Coursera (Яндекс и МФТИ), специализация «Машинное обучение и анализ данных», 2019 - Математика

Python Spark SciPy Spacy PyMystem3 Pandas SkLearn Seaborn XGBoost LightGBM Статистический анализ A/B тесты SQL Keras torch pytorch MySQL PostgreSQL Git Hadoop Data Analysis HuggingFace