ВБ
Владимир Б.
Мужчина
Россия, Москва, UTC+3
Ставка
3 000 Р/час
НДС не облагается
Специалист доступен с 3 ноября 2024 г.
Добавьте подходящих специалистов в список и оформите заявку для предварительного бронирования времени специалистов. После оформления заявки ваш персональный менеджер организует прохождение всех необходимых проверок с вами и каждым кандидатом из заявки. Специалист привлекается к проекту только после окончательного подтверждения его выхода с вашей стороны.
Подробнее
О специалисте
Специализация
ML разработчик
Грейд
Навыки
Отрасли
Знание языков
Английский — B1
Главное о специалисте
Владимир — опытный ML-разработчик уровня Middle+. Обладает навыками работы с Python и библиотеками для анализа данных, такими как NumPy, Pandas, scikit-learn, CatBoost, LightGBM, Keras, PyTorch, LLM, BERT, FastText, ResNet. Также владеет инструментами для работы с большими данными: Hadoop, ClickHouse, Greenplum.
Владимир имеет опыт руководства направлением по исследованию данных. На этой позиции он разработал и внедрил модель прогнозирования нагрузки на колл-центр, а также модели прогнозирования релевантных рекомендаций товаров и услуг и прогнозирования недобросовестных мошеннических действий. Кроме того, Владимир занимался подбором пороговых значений предсказания моделей на основе A/B тестирования.
Также Владимир работал старшим специалистом по исследованию данных в группе машинного обучения. В этой роли он разрабатывал и внедрял модели анализа оттока клиентов, кластеризации и классификации пользователей, а также модель честного рейтинга поставщика на основе ансамбля моделей.
До этого Владимир занимал позицию исследователя данных в SberData. Там он оптимизировал временные ряды для оптимизации памяти и утилизации процессоров кластеров хранилища Hadoop Yarn, разрабатывал бэкэнд для пилотов моделей кластеризации, алгоритм для входящих обращений чат-ботов, а также протокол сериализации объектов.
Проекты
(7 лет)
Группа машинного обучения
Роль
Руководитель направления по исследованию данных
Обязанности
ОБЯЗАННОСТИ:
Реализована и внедрена модель прогнозирования нагрузки на колл-центр с целью
выявления аномальных нагрузок и каскадных сбоев. Улучшили целевую метрику MAPE в 2 раза.
Разработан MVP модели прогнозирования релевантных рекомендаций товаров и услуг на
главной странице. Улучшили целевую метрик МАР@10 в 4 раза.
Разработана и внедрена модель прогнозирования недобросовестных мошеннических
действий по логам. Улучшили целевую метрику ROC_AUC в 3 раза и Recall в 2 раза.
Подбор пороговых значений предсказания моделей на основе A/B тестирования.
Проектирование и интерпретация выводов.
Стек специалиста на проекте
recall, MVP, A/B testing
Отрасль проекта
E-commerce & Retail
Период работы
Апрель 2023 - По настоящее время
(1 год 8 месяцев)
Группа машинного обучения
Роль
Старший специалист по исследованию данных, Группа машинного обучения
Обязанности
ОБЯЗАННОСТИ:
Разработаны и внедрены модели анализ оттока клиентов(покупателей), кластеризации и
классификации пользователей, дополнительная модель с функционалом поиска vip
клиентов. Для анализ, аггрегации и валидации использовали данные на таблице
ClickHouse в 400 млрд объектов.
Разработана модель MVP честного рейтинга поставщика на основе ансамбля моделей.
Постановка задач в команде с ML-инженером для A/B-тестирования влияния новых
данных.
Стек специалиста на проекте
Clickhouse, MVP, A/B testing
Отрасль проекта
E-commerce & Retail
Период работы
Апрель 2022 - Апрель 2023
(1 год 1 месяц)
SBERDATA БЛОК Т
Роль
Исследователь данных, SBERDATA, Блок T
Обязанности
ОБЯЗАННОСТИ:
Разработаны и внедрены алгоритмы машинного обучения по оптимизации временных
рядов для оптимизации памяти и утилизации процессоров кластеров хранилища Hadoop Yarn. Оптимизированы тысячи ТБ данных.
Разработан бэкэнда для пилотов моделей кластеризации и выделения сущностей
(Python3, серверная часть Flask).
Разработан и внедрен алгоритм для входящих обращений чат-ботов(Fasttext, TF-IDF,
Logistic Regression).
Создан и имплементирован протокол сериализации объектов (RabbitMQ+Celery).
Разработан прототип алгоритма матчинга фото физлиц(CNN, Resnet-50, Celeba, Face
detection).
Стек специалиста на проекте
logistic regression, tfidf, Celery, FastText, Flask, RabbitMQ, Python3, hadoop yarn
Отрасль проекта
FinTech & Banking
Период работы
Декабрь 2017 - Апрель 2022
(4 года 5 месяцев)
Формат работы
Тип занятости
Фулл-тайм
Формат работы
Удаленно
Командировки
Не готов
Релокация
Не готов
Готов работать на зарубежных проектах
Нет
Образование
Высшее
Учебное заведение
Национальный исследовательский университет "Высшая школа экономики"
Специальность
Анализ данных, глубокое обучение и приложения
Завершение учебы
2019 г.