Каталог ИТ-специалистов

Языки программирования - Python, Django, FastAPI, Bitrix Библиотеки, фреймворки, технологии и сервисы - PostgreSQL Python JavaScript Django Docker RabbitMQ FastAPI Redis CMS «1С-Битрикс» PHP (OCI, Smarty), Oracle 9, XML (web-services, UDDI, SOAP, WSDL) PL/SQL, XML/HTML/DHTML/JavaScript, SSL, LDAP Операционные системы - Microsoft, Linux DBMS - PostgreSQL, RabbitMQ, PL/SQL

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

● 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;

Специалист с обширным знанием разных технологий, работавший на высоконагруженных проектах. Был опыт в проектировании архитектуры.

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.

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.

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.

Python Data Analysis Big Data Machine Learning Linux Git Docker SQL Deep Learning NLP Машинное обучение DevOps Bash Английский язык ML Data Scientist OpenCV PyTorch FastAPI NLTK TensorRT XGBoost Flask pandas numpy matplotlib keras transformers uvicorn dvc

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.

Профессиональный опыт: Архитектура и реализация интегрированной системы биометрического распознавания, Разработка мобильных приложений для Ios/Android, обрабатывающих изображения/видео, Руководство группой разработчиков приложений для обработки видео, Расширение и внедрение Mediapipe, Конвертация нейросетевых моделей в мобильные бэкенды, Построение конвейеров для обучения и вывода моделей детекторов, регрессоров и классификаторов. Оптимизация нейронных сетей на основе задач. Награды ● Хакатон "Цифровой прорыв 2020" 3-е место в задаче видеонаблюдения за сдачей экзаменов ● Хакатон "Цифровой прорыв 2021" 2-е место в командном зачете в задаче CardioSpike Специалистом написано множество научных работ и статей.