Каталог ИТ-специалистов Аналитика

Опыт работы на всех этапах жизненного цикла разработки программного обеспечения, включающий в себя: работа с базами данных PostgreSQL, ClickHouse, GreenPlum; исследовательский анализ данных с использованием Pandas, Numpy, Seaborn; построение ML-моделей для дополнения отсутствующих данных; проектирование и разработка ETL-процессов с использованием Apache Airflow, SQL, Python, Spark; инструменты скрейпинга BeautifulSoup, Selenium; работа с экосистемой Hadoop - HDFS, YARN, Spark, HBase, Hive, Pig; создание информационных дашбордов с помощью Tableau, Redash, Superset; back-end разработка с помощью Python, Django, DjangoRestFramework. Дополнительная информация: Курсы: Karpov.Courses (01/2021 – 07/2021) Аналитик данных Karpov.Courses (11/2021 – 12/2021) Симулятор аналитика Karpov.Courses (03/2022 – 09/2022) Инженер данных Тренинг-центр ISSoft (06/2022 – 09/2022) «Школа Big Data»

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

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)

Начал карьеру с должности системного администратора и во время работы над внешним проектом, проходил аттестацию на Бизнес аналитика. Далее начал развиваться в направлении аналитики и искал то, что было бы больше всего интересно. Остановился на работе с данными и специальности Аналитик данных. Ищет для себя интересные и полезные ресурсы для своего совершенствования. Умеет быстро осваивать базу любого инструмента и затем, при необходимости, углубиться и использовать этот инструмент на высоком уровне. Опыт: - Есть базовый опыт использования инструментов Superset, DataLens (open source), PowerBI - Есть большой опыт в сфере взыскания просроченной задолженности (текущий проект связан с данной областью) - Опыт работы с low-code платформой Creatio

Юлия — опытный специалист в области системного анализа и разработки. Обладает навыками работы с различными инструментами и технологиями, включая Python, SQL, SciPy, NumPy, Selenium IDE, Tableau, Power BI, A/B testing, Google Analytics, Яндекс Метрику, PostgreSQL, а также навыки работы с DWH, REST API, Swagger, Postman, ITSM, BPMN, Camunda. Имеет опыт работы в проектах для компаний из отраслей FinTech & Banking и Information Security. На последнем месте работы Юлия выполняла обязанности системного аналитика DWH: сбор функциональных требований, подготовка проектной документации, участие в проектировании ETL-процессов, взаимодействие с командой, работа с системами логирования, REST API и ITSM. До этого Юлия работала аналитиком схем маневрирования в ФГУП Госкорпорация по ОрВД. В её обязанности входили сбор и анализ данных, валидация исходных данных, разработка концептуального проекта схем маневрирования, расчёт схем по критериям безопасности, отрисовка карт в AutoCad и MicroStation, составление отчётных материалов. Также Юлия имеет опыт работы продуктовым аналитиком данных в Тинькофф Банке. Она занималась аналитикой продукта, привлечением клиентов, веб-аналитикой, подсчётом DAU, WAU, MAU в Amplitude, построением БД для продукта POS-кредитования, написанием SQL-запросов, формулировкой гипотез для A/B теста и созданием дашбордов в Tableau.

Краткая информация о специалисте Аналитик с 6-летним опытом работы в финтех и международной производственной компаниях; Специализируется на разработке и развитии продуктов, автоматизации бизнес-процессов, исследовании и визуализации данных; Знания бизнес-анализа, системного анализа; Владение SQL на среднем уровне: Опыт работы с монолитной и микросервисной архитектурой; Описание функциональных и нефункциональных требований.

Краткая информация о специалисте Опыт работы системным аналитиком 3 года; Опыт работы с SQL на базовом уровне; Моделирование бизнес-процессов в нотации BPMN; Отрисовка диаграмм в UML.

Сбор и анализ требований по задачам для мобильной и web разработки (взаимодействие с клиентом, изучение макетов и спецификаций) Поиск оптимальных решений задачи Постановка задач дизайнерам и разработчикам Написание функциональных требований Проектирование API (документирование REST, описание методов, создание UML-диаграмм) Понимание микросервисной архитектуры и взаимодействия между сервисами Написание сценариев использования и пользовательских историй Создание проектной документации - сопровождение разработки Работа с технической документацией Опыт построения BPMN Создание диаграмм в нотации UML (диаграммы последовательностей, активности, состояний) Опыт работы с системами логгирования Опыт работы с большими объемами данных Развитые коммуникативные навыки Менторство нового аналитика

- опыт работы с Python для разработки, сбора данных, анализа данных, работы с (большими) данными, обработка данных, машинное обучение; - опыт написания тестов для разработанного функционала; - опыт рефакторинга кода; - опыт работы с git; - опыт работы с большими данными в экосистеме Hadoop (PySpark, Hive); - развитые коммуникативные навыки;

● Python (Pandas, NumPy, Scikit-learn, SciPy, Matplotlib) ● Базы данных: PostgreSQL, ClickHouse, Greenplum, Hadoop ● Инструменты разработки: Apache Airflow, Apache Hive, Docker ● Big Data: PySpark, PyTorch ● Управление версиями: Git, BitBucket ● Управление проектами и документацией: Jira, Confluence ● Django, QlikSense