АЮ
Александр Ю.
Мужчина
Россия, Москва, UTC+3
Ставка
2 987,01 Р/час
НДС не облагается
Специалист доступен с 4 июля 2025 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
Александр — опытный Data Scientist с навыками работы в области машинного обучения и анализа данных. Он обладает глубоким пониманием SQL, Python и различных библиотек для машинного обучения, таких как Scikit-learn, CatBoost, LightGBM и XGBoost.
В своей работе Александр успешно решал сложные бизнес-задачи. На текущем месте работы он разработал модель прогнозирования поломок платёжных терминалов, что позволило снизить затраты на обслуживание на 10% и уменьшить количество внеплановых ремонтов на 22%. Также он создал модель для определения оптимальной суммы овердрафта для водителей такси, снизив риски невозврата на 10%, и реализовал модель для выявления клиентов, наиболее подходящих для премиальных банковских услуг. Кроме того, Александр разработал модель для выявления и предотвращения мошеннических транзакций.
Опыт работы Александра составляет два года.
Проекты
(2 года)
Проект банковских услуг
Роль
Data Scientist
Обязанности
ОБЯЗАННОСТИ:
• Разработал модель прогнозирования поломок платежных терминалов для решения бизнес- задачи по снижению затрат на обслуживание, которая показала результат – сокращение финансовых расходов на обслуживание терминалов на 10% в первый квартал и снижение количества внеплановых ремонтов на 22%.
• Создал модель для определения оптимальной суммы овердрафта для водителей такси, учитывая их характеристики и риски задержки или невозврата. До внедрения модели существовали более значительные риски невозврата, связанные с неоптимальными суммами овердрафта. Проведенный анализ данных позволил реализовать модель, которая снизила риски невозврата на 10%, обеспечив более точное и комфортное для клиентов определение суммы овердрафта.
• Реализовал модель для выявления клиентов, наиболее подходящих для премиальных банковских услуг. Увеличение числа клиентов премиального сегмента на 3% и увеличение доходов от премиальных услуг.
• Разработал модель для выявления и предотвращения мошеннических транзакций. Анализ транзакционных данных и выявление подозрительных паттернов позволили создать модель, которая увеличила процент своевременного обнаружения мошеннических транзакций.
• Внедрил MLFlow для отслеживания и управления экспериментами машинного обучения. Логирование моделей и артефактов с помощью MLFlow улучшило процессы разработки и внедрения, повысило воспроизводимость экспериментов и эффективность командного взаимодействия.
Стек специалиста на проекте
PostgreSQL, SQL, Python, Pandas, Numpy, Matplotlib, Scikit-learn, Seaborn, XGBoost, CatBoost, MLflow, Lightgbm
Отрасль проекта
FinTech & Banking
Период работы
Ноябрь 2022 - Октябрь 2024
(2 года)
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
Московский финансово-юридический университет
Специальность
Юриспруденция
Завершение учебы
2019 г.