Каталог ИТ-специалистов

● Разработчик с опытом работы в PHP более 2-х лет ● Опыт разработки Laravel, Bitrix, Bitrix 24 ● Опыт работы с SQL и его использования в базах данных MySql, PostgreSql, MS SQL Server ● Опыт работы с REST API ● Знание и умение работать с Azure DevOps, Bitrix24, DirectumRX, MS SharePoint, MS PowerApps, MS PowerAutomate, MS PowerBI

Специализации: — Руководитель группы разработки — Аналитик — Программист, разработчик — Менеджер продукта — Системный инженер

Ключевые навыки - Знания в области аналитики данных и управления продажами. - Опыт работы с CRM-системами и разработкой технических заданий для IT-разработок. - Аналитические способности и умение работать с большим объемом данных. - Высокая степень ответственности и самоорганизации. Личные качества - Ответственный специалист. - Ответственный подход к выполнению поставленных задач и внимание к деталям. - Поиск нестандартных решений в выполнении задач.

работал в связке Python + PostgreSQL для написания самообновляющихся в Apache Airflow скриптов для дашбордов MS PowerBI, Redash, Metabase, поддерживал их состояние, исправлял ошибки в случае их возникновения; построение отчетов в вышеуказанных пакетах визуализации согласно ТЗ; участвовал в дизайне и проверке результатов простых A/B-тестов (сравнение конверсий, изменений средних значений), обсуждал их результаты с внутренними заказчиками; выполнял ad-hoc запросов внутренних заказчиков в формате .csv/.xlsx/.pkl по мере необходимости; поиск инсайтов и точек роста на проектах совместно с командой (brainstorm); оценивал качество моделей машинного обучения - самостоятельно построенных или предобученных; участвовал в code review коллег по команде; участвовал в обучении / менторстве коллег; опыт работы с библиотеками машинного обучения; тесное взаимодействие с QA / backend-разработчиками

Увлекается музыкой, путешествиями, спортом и современными технологиями. Диплом бакалавра на тему: "Внедрение АСУ подвижным составом на МЦК". Магистерская диссертация на тему: "Разработка системы проверки технических заданий с помощью методов семантического анализа и машинного обучения". В процессе написания кандидатской диссертации.

• PostgreSQL • ClickHouse • Apache AirFlow • Apache NIFI • Power BI • DAX • Yandex Datalens • Python (Pandas, Numpy) • Основы DWH/ETL

Архитектура решений. Бизнес- и системная аналитика в разработке и внедрении ПО, руководство проектами, управление требованиями, разработка документации, функциональное тестирование, проектирование UI/UX. Развитые soft skills.

Аналитик с лидерскими качествами и практическим опытом в управлении и приоритезации задач. Занимался лидированием проектов от стадии зарождения идеи до стадии их реализации, а также поддержанием legacy-проектов. В качестве инструментов аналитики и автоматизации использует Python c перечнем библиотек: pandas, numpy, sklearn, xgboost, keras, matplotlib, tf, multiprocessing, asyncio, bs4, selenium, pytest, fastai. Для работы с базой данных использует SQL с группировочными, оконными, аналитическими, а также вспомогательными и процедурными функциями и представленями.

Творческий, предприимчивый, открыт к новому. Подхожу к любой задаче и проблеме системно, ищу первопричины и тонкости. Любознательный, люблю вникать во все, разбирать на детали и понимать саму суть процессов. Изучаю все, что связано с бизнесом, деловую литературу, подкасты, ютуб-каналы. Люблю общение с умными, развитыми и добившимися успеха в своих сферах людьми. Всегда готов почерпнуть что-то новое. Быстро обучаюсь. Способен понятливо доносить информацию и обучать других, люблю это делать.

Евгения — опытный продуктовый аналитик с навыками работы в сфере E-commerce & Retail и FinTech & Banking. Она обладает глубокими знаниями и опытом работы с данными, включая Python, DBeaver, PowerBI, MS SQL, DAX, Big Data, Power Query, ARIS, BPMN, Grafana, Tableau, PostgreSQL, SQL, ELMA, 1C: Предприятие 8. На своих проектах Евгения занималась анализом данных, разработкой технической документации, моделированием бизнес-процессов, а также проведением В2В и В2С исследований. Её опыт включает работу с большими объёмами данных (от 1 млрд строк), анализ эффективности работы компаний, выявление общих зависимостей, анализ рисков и наиболее вероятных исходов. Евгения работала в IT-компании, где занималась анализом эффективности работы компании, анализом данных на Python, созданием аналитических записок, выявлением общих зависимостей и анализом рисков. Также она работала в «РобоФинанс», где разрабатывала и визуализировала массивы информации в PowerBI и создавала автоматизированные BI-решения. На проекте в DNL ScaleUp Евгения занималась планированием и прогнозированием закупок, оперативными закупками, сравнительным анализом и формированием ассортиментной матрицы.

Краткая информация • Опыт работы в аналитике более 5-ми лет • Опыт работы в финтехе • Опыт постановки ТЗ для разработчиков • Опыт проектирования интеграций (REST, SOAP и др.) • Опыт работы с нотациями UML, BPMN

Александр — опытный специалист в области бизнес- и системного анализа с 12-летним опытом работы. Он обладает навыками деловой коммуникации, управления бюджетом, аналитики данных, разработки и наставничества.

Опыт работы в банковской сфере как на стороне Заказчика, так и интегратора. Огромный практический опыт работы с обязательной и управленческой банковской отчетностью (MIS). Понимание структуры, принципов создания, расширения, заполнения и направлений использования Хранилищ Данных (DWH Oracle). Написание проверок DQ / КД, саппорт, консультации. Data Governance. Опыт работы с СУБД Oracle, глубокое знание SQL, Teradata (1год), Hadoop (9 месяцев) (Сертификаты 1Z0-047, 1Z0-144, 1Z0-146, 1Z0-591, sql-ex.ru - в top 150 currently).DWH - DataWareHouse - ЕХД - Единое Хранилище Данных - Oracle - Teradata - Hadoop (в части SQL запросов). AWS - EC2 - S3 - RDS - IAM - Glacier, etc. Azure - basics. Опыт работы архитектором как детального слоя данных (DDS), так и слоя витрин для конечных отчетов. Знание нескольких распространенных моделей хранения данных в существующих коробочных решениях DWH. Oracle BI (в наличии сертификат), Power BI. Confluence, Atlassian JIRA, GitHub, etc. Python - опыт 4 мес (pandas). UML, BPMN - чтение и понимание нотаций. Понимание форматов JSON / XML. Опыт работы с карточными продуктами, задачи свод продукта в отчености и с балансом банка.

10 лет коммерческой разработки, высшее техническое образование (магистратура), большой опыт в Fintech и Medtech, опыт руководства командой разработки, опыт настройки CI/CD, отличные навыки проектирования и реализации архитектуры, небольшой опыт разработки Frontend.

Преподаватель физического факультета Воронежского государственного университета

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.

Математический склад ума,системный подход, коммуникативность