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.
Я перешёл с Game Developer Unity C# в Data Science/Machine Learning, потому что я очень сильно влюбился в эту область. В IT опыта около 4 лет как программист.
Присутствуют практические знания статистики, линейной алгебры и математики в общем, но хочу знать больше. Люблю Математику, программирование, науку.
Я крайне добр и не вспыльчивый.
Говорю на Русском и на Английском свободно.
Моя сильнейшая сторона: умею уделять работе всё время и постоянно обучаться новому.
Проекты
(5 лет 3 месяца)
ML
Роль
Machine Learning Engineer
Обязанности
Опыт работы в области машинного обучения:
• Разработка и применение классических алгоритмов классификации и регрессии (деревья решений, бустинг, линейная регрессия, наивный байес) для решения бизнес-задач.
• Оценка качества моделей с использованием стандартных метрик: accuracy, precision, recall, f1-score.
• Применение базовых алгоритмов кластеризации для анализа и сегментации данных.
- Участвовал в написании RAG пайплайна. Писал промпты для внутренней работы пайплайна
- Разработка и оптимизация моделей машинного обучения для анализа и обработки текста (NLP), включая обучение модели CodeBert для задач проверки качества кода.
- Реализация Text-to-Speech модели для русского языка (Tacotron + WaveGlow) с целью автоматизации интервью сотрудников.
- Разработка FastAPI-сервера для нужд команды стажёров, с интеграцией в Docker и применением архитектурных паттернов для стандартизации процессов разработки.
- Оптимизация FastAPI-сервера для работы с GPU, что повысило производительность системы в 3 раза.
- Разработка и автоматизация пайплайнов машинного обучения с использованием MLflow и Airflow.
- Разметка данных и создание инструментов для автоматизации аннотации резюме.
- Разработка скриптов для парсинга вакансий и резюме (BeautifulSoup + Python) для обучения модели по автоматическому выявлению технологических стеков.
Команда: PM, Data Scientist, ML Engineer, Backend-разработчик, DevOps-инженер, Data Engineer
Достижения
- Увеличил точность автоматической оценки кода на 20% благодаря обучению CodeBert.
- Сократил время проведения интервью на 30% за счёт внедрения Text-to-Speech модели.
- Улучшил производительность команды на 25% за счёт стандартизации процессов через FastAPI-сервер.
- Автоматизировал запуск тестирования в Docker Compose, что упростило CI/CD процессы.
- Повысил качество модели выделения технологий в резюме на 20% благодаря созданию разметки.
- Разработка модели прогнозирования энергопотребления и генерации электроэнергии на основе временных рядов (Prophet, ARIMA).
- Создание модели кредитного скоринга, оптимизированной по метрике ROC AUC.
- Автоматизация процессов обработки данных и построения отчетности с использованием SQL и Pandas.
- Разработка инструментов визуализации данных (Seaborn, Plotly, Power BI) для аналитиков.
- Оптимизация производительности SQL-запросов и базы данных (PostgreSQL, ClickHouse) для ускорения обработки данных
Команда: PM, 2 Data Scientist, ML Engineer, Data Engineer, Аналитик
Достижения
- Улучшил точность прогнозирования энергопотребления на 25%, что позволило эффективнее управлять ресурсами региона.
- Обучил модель кредитного скоринга с ROC AUC 0.77, что помогло снизить процент проблемных кредитов.
- Ускорил обработку больших объёмов данных на 40% за счёт оптимизации SQL-запросов.