Каталог ИТ-специалистов

В мой профессиональный опыт входит: • работа как на iOs-системе, так и на windows; • эффективность при многозадачности; • знание пакета программ Adobe СС (Photoshop, inDesign, Illustrator, after effects); • умение распределять рабочее время; • насмотренность; • следование трендам, исследование рынка и конкурентов; • работа с digital-иллюстрацией; • навыки верстки в indesign; • дизайн и верстка многостраничных каталогов; • ретушь изображений; • печатная продукция для мероприятий от 250 человек (ролл-апы, бэйджи, сувенирка, чек-листы, грамоты, изображения в социальные сети для анонсов); • наличие прохождения практики в Государственном Центре Современного Искусства (02-03.2015) и ГМИИ им. А. С. Пушкина (02-03.2014); • профильное образование по направлению графический дизайн и бренд-дизайн; • степень бакалавра искусств; • степень магистра искусств в сфере креативного менеджмента; • рисунок от руки (карандаш, акварель, скетчинг, диджитал); • есть статус самозанятого. Мое портфолио с актуальными работами: https://www.behance.net/mi_lash

Личный профиль -Разработчик программного обеспечения с опытом работы более 4 лет. -Имеешь опыт работы менеджером проектов -Опыт работы с JavaScript, Vue.js. -Знание HTML5, CSS3, SCSS. -Фокус на создании красивых технических решений и внимание к деталям -Коммуникабельность и умение слушать -Стратегический мыслитель, организованный, стрессоустойчивый и ответственный человек. -Понимание бизнес-задач -Уровень английского: B2

Опыт коммерческой разработки с 2020 года. Есть опыт в прикладном использовании и в разработке моделей машинного обучения и нейронных сетей. Работал над проектами в сфере автоматизации e-com, FinTech, гос. сектора, разрабатывал HR-сервис для IT-компании.

Уверенный Data Scientist, Ml Engineer (Опыт в CV, NLP) Фуллстек разработка (Java Spring\Python Flask, React, MySQL) Навыки использования HuggingFace и PapersWithCode

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

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.

Специалист по данным / Инженер по Машинному Обучению с опытом работы 3 года. Специалист по данным с сильным математическим образованием и хорошими навыками программирования. Обладает универсальным набором навыков, охватывающим инженерию данных и анализ данных, с возможностью адаптации к динамичной рабочей среде. Специализируется на обработке естественного языка, компьютерном зрении и прогнозирующем моделировании в различных областях бизнеса. Имеет опыт работы на всех этапах обработки и анализа данных, от понимания бизнес проблем до внедрения моделей ML в эксплуатацию. Языки программирования: Python. Технологии программирования gradio. Data science Pandas, Numpy, Seaborn, Plotly. Машинное обучение Scikit-learn, XGBoost, BitsAndBytes. Глубокое обучение PyTorch, Tensorflow, Keras, OpenVINO, TensorRT, TensorBoard, NVIDIA NGC. Компьютерное зрение OpenCV, Torchvision. Обработка естественного языка Hugging Face, OpenAI API, Langchain, PEFT, Spacy, Gensim, NLTK, BERTopic. MLOps MLFlow. Инженерия данных Apache Spark, PySpark. Облачные технологии AWS(Sagemaker, S3, EKS, EC2, Bedrock, DynamoDB, Cloudwatch и т. д.), Azure(Virtual Machines, Spot VM, SQL, ML, Functions, Synapse, Analysis Services, Data Factory, Blob Storage, DevOps, etc). Базы данных Redis, MongoDB, PostgreSQL. DevOps Docker, Docker Compose, Kubernetes (k8s), Bash Scripting. Системы контроля версий Git, Github. Достижения Настройка инфраструктуры AWS Настроил инфраструктуру AWS для мониторинга и отслеживания моделей на этапе экспериментов, что позволило сделать процесс разработки более удобным и эффективным, а развертывание моделей машинного обучения - надежным и безопасным. Коммуникационный чат-бот Разработан коммуникационный чат-бот с LLM для разговоров от лица различных персонажей и с ответами на пользовательские запросы.

Специалист по анализу данных / Инженер по машинному обучению с опытом работы более 3-х лет. Специалист по анализу данных, специализирующийся на дата-центрированных проектах. Умение выявлять бизнес-проблемы и решать их с использованием различных подходов обработки и анализа данных, подтвержденное на практике. Умение работать со полным жизненным циклом проектов машинного обучения: от сбора данных до развертывания обученных решений. Области специализации: обработка естественного языка, модели прогнозирования и компьютерное зрение. Языки программирования Python. Технологии программирования GeoPy. Наука о данных Pandas, Matplotlib, Numpy, Seaborn, Plotly, PowerBI. Машинное обучение Scikit-learn, Hyperopt, kmodes, UMAP, Prophet, Boruta, LightGBM, XGBoost. Глубокое обучение PyTorch, NVIDIA NGC. Компьютерное зрение Tesseract OCR. Обработка естественного языка Hugging Face, AllenNLP, Gensim, NLTK. MLOps MLFlow, Neptune. Инженерия данных pache Airflow, Apache Spark, PySpark. Облачные технологии AWS(Lambda, SageMaker, S3, EC2, ECR, EKS, CloudWatch и т. д.), Azure(VMs, ML, Databricks, Blob Storage, DataFactory). Базы данных PostgreSQL, MySQL, Redis. DevOps Docker, Docker Compose, Kubernetes(k8s). Системы контроля версий Git, Github. Достижения Помощник по юридическим документам Разработал систему для предложения пользователям структуры документов и автодополнения текстовых предложений в типовых юридических контрактах, использующую модели на архитектуре transformer. Настройка инфраструктуры AWS Настроил инфраструктуру AWS для мониторинга моделей и метрик на этапе экспериментирования, что позволило сделать процесс разработки более удобным и эффективным, а также ускорило развертывание моделей машинного обучения. Настройка обработки данных Разработал конвейеры ETL с Azure Databricks и Apache Spark для эффективной интеграции данных из разных источников в центральное хранилище для дальнейшего использования в аналитической платформе.