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.

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).

Быстро разбираюсь, знаю такие программы как: python, r, tableau, unity, java, c++, powerbi Мой пример кода на kaggle: https://www.kaggle.com/george123321/try-watch-household-as-representative

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.

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.

Разрабатывал rest сервисы для оркестрации платежных систем. Данный сервисы имел интеграцию со следующими платежными системами: PayPal, Stripe, Tinkoff, Tinkoff Credit и Yoomoney. Для правильной работы статусной модели была реализована проверка статусов транзакции по расписанию с помощью celery. Занимался разработкой Telegram ботов, которые интегрировались с различными сервисами в том числе с искусственного интеллекта.

Data Scientist с опытом работы на проектах в сфере E-commerce & Retail и Manufacturing. На позиции Data Analytics & Machine Learning Specialist в IT-компании выполнял полный цикл разработки, занимался аналитикой и обработкой данных, разработкой и оптимизацией моделей машинного обучения. Разработал предиктивные модели для обнаружения возможных сбоев двигателя внутреннего сгорания карьерных самосвалов. Автоматизировал сбор данных со SCADA. В роли Data Science & Analytics Engineer в ПАО «Калужский Турбинный Завод» проводил аналитику и обработку исходных данных, разрабатывал и оптимизировал модели машинного обучения, работал с данными предприятия для аналитики и создания дешбордов в Power BI. Создал программу для распознавания основной информации на чертежах изделий и обнаружения на них эскизов. Работая на позиции Data Scientist в AlphaAdept group, создавал основные модели для прогнозирования лучших точек входа/выхода на фондовом рынке, внедрял ML решения в backend. Разработал процедуры A/B testing, увеличив виртуальный капитал на 35%. Будучи Python-разработчиком в ИП, разработал рекомендательную систему подбора лучших автомобилей по параметрам, что повысило вовлечённость пользователей на 20% и продажи работодателя на 17%.

Опыт работы: c 2005 (Frontend), с 2018г (Python). ● Python 3+, FastAPI, Django, DRF, Flask, AIOHTTP, Celery; ● AsyncIO, SQLAlchemy, pytest; ● Selenium, NumPy, XGBoost, BeautifulSoup4, Pyppeteer, Telethon; ● GraphQL, Websocket, Socket.IO; ● RabbitMQ, Apache Kafka; ● JavaScript, jQuery, React; ● Strawberry, ffmpeg; ● kvm, qemu ● PostgreSQL, MySQL, SQLite, MongoDB, Redis, GINO; ● СI/CD, BashShell, Nginx, Docker, Docker Compose, Docker Swarm, Jenkins, Openshift, ALM; ● Микросервисная архитектура; ● ActiveDirectory, Keycloak. ● MLOps;

Python backend-разработчик, Data Scientist В сфере интересов ИИ и машинное обучение, окончила магистратуру по этому направлению и применяю знания в работе. Мне нравится писать понятный код с хорошей логикой и структурой. Общие навыки программирования: – Пишу на Python, использовала раньше: C++, PHP, TypeScript (в учебе и в начале работы); – Хорошее понимание применимости архитектурных решений, закончила курс по микросервисам в ИТМО; – Также из курсов брала по BigData (Hadoop, Spark, Kafka), есть общее представление (не пишу на Scala, поэтому опыт ограничен); – Могу работать в МЛ на всех этапах, от сбора и разметки данных до деплоя в прод. Работала с CV моделями и языковыми, разворачивала opensource LLM, углубленно изучала GANы; – Есть опыт написания модуля для Drupal сайта; – Умею работать с Docker контейнерами, разворачивать на серверах с видеокартами – Знакома с VK API, Whatsapp API; – Умею работать в команде. Неконфликтна и легко нахожу общий язык с людьми. – Активное использование HugginFace моделей; – Читаю документацию на английском, аудирование уровень B1-B2. Опыт участия в профильной деятельности во время учебы: – Участвовала в составе команды в ICPC, RuCode, Demidov Open IT Cup. – Прошла отборы «Я – профессионал» по направлениям: «Программная инженерия» и «Программирование и информационные технологии». – Победитель вузовского отборочного этапа WorldSkills Russia по компетенции «09 Программные решения для бизнеса». – Принимала участие в хакатоне от RuCode в области Natural language processing. – Участвовала в летней школе РАИИ в июле 2021 (направление «Логика в искусственном интеллекте»). Занимались классическим машинным обучением с использованием python. – Работала в команде на образовательном модуле в центре Сириус («Большие данные и машинное обучение в когнитивных и социальных науках», октябрь 2021). – Прошла курс Технологии Анализа Данных в ИТМО (2024 год)

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.

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)