Владимир К. Data аналитик, Senior

Проект "Цены конкурентов": - Анализ проекта, проработка БФТ и архитектурного решения - Составление требований, собеседование нового сотрудника для Frontend части проекта - Реализация Python-скрипта для выгрузки данных из парсеров через API, обработка этих данных, унификация и сохранение в АХД - Проектирование и реализация структуры данных по ценам конкурентов в АХД - Проектирование и разработка Backend части проекта с использованием Flask, далее перенос на FastAPI - Настройка и сопровождение Git для проекта - Настройка серверов для развертывания тестовой среды и продакшена. Сборка проекта через Docker, автодеплой через SH скрипт - Документация по коду через Swagger - Подготовка UAT документа для сдачи проекта Проект "Аналитика маркетплейсов": - Анализ БФТ и проектирование реализации - Проработка и создание унифицированной таблицы в АХД для её использования в SAP Юниверсе - Проработка и создание SAP Юниверса для дальнейшего его использования в отчетах - Проработка и создание отчетов в системе SAP BO - Подготовка UAT документа для сдачи проекта - Подготовка сценария проведения UAT по проекту (демонстрация проекта) Проект "Выгрузка цен конкурентов из Excel-файлов": - Анализ и проработка требований - Проработка и написание архитектурного решения - Написание спецификации - Реализация проекта с использованием Python-скрипта и его автоматический запуск через DAG из Airflow - Хранилище данных DWN - Согласование S2T

Проект "Усовершенствование системы технического обслуживания для каршеринга" Цель: Разработка прогностической модели для уменьшения времени простоя автомобилей, повышения их доступности для клиентов и сокращения расходов на ремонт Обязанности: - Анализировал и обрабатывал данные из четырех различных источников (car_train.csv, rides_info.csv, driver_info.csv, fix_info.csv), выявляя ключевые показатели состояния транспортного средства - Разрабатывал классификационную модель с использованием CatBoostClassifier, которая успешно идентифицировала 9 видов технических неисправностей, применив метод обучения с учителем Результаты: - Модель предсказания поломок доказала свою эффективность, уменьшив время простоя автомобилей на 15% и сократив расходы на ремонт на 20% - Результаты были тщательно документированы и оптимизированы через тюнинг гиперпараметров с помощью библиотеки Optuna, что привело к значительному повышению надежности автопарка Технологии: CatBoostClassifier, Optuna, Python, Pandas. Проект "Оптимизация стратегии тренировок для марафонцев" Цель: Создание модели, предсказывающей соревновательный темп бега на дистанцию 42.2 км, чтобы помочь спортсменам улучшить их тренировочный процесс Обязанности: - Собирал данные о тренировках бегунов с помощью парсинга социальной сети Strava - Разрабатывал и сравнивал пять различных предиктивных моделей, включая градиентный бустинг и нейронные сети, для анализа и прогнозирования тренировочных результатов Результаты: - Выбранная модель позволила точно прогнозировать марафонский темп, что дало тренерам возможность оптимизировать тренировочные планы - Использование модели улучшило средний соревновательный темп бегунов на 5%, что привело к лучшим результатам на соревнованиях. Технологии: Python, Scikit-learn, Tensorflow, Pandas, Seaborn, Matplotlib, XGBoost Проект "Разработка интеллектуальной системы для ответов на научные вопросы" Цель: Создание модели машинного обучения, способной предсказывать наиболее верный ответ на сложные научные вопросы, для улучшения образовательных платформ Обязанности: - Обрабатывал набор данных, состоящий из вопросов и множественного выбора ответов, прикрепив к каждому запросу релевантные статьи из Википедии - Использовал глубокое обучение для оценки вероятности правильности каждого предложенного ответа Результаты: - Модель показала точность предсказания правильного ответа в 85% случаев, значительно ускоряя процесс проверки и оценки знаний - Результаты были опубликованы в виде CSV-файла для использования в образовательных технологиях и на конкурсных платформах вроде Kaggle Технологии: Deep Learning, NLP, Pandas, PyTorch, Faiss, Transformers Проект "CommonLit - Автоматизированная оценка сочинений" Цель: Разработка модели для оценки качества сочинений учащихся с целью помощи учителям в оценочной работе Обязанности: - Использовал алгоритмы DeBERTa v3 и LightGBM для обучения моделей на основе различных лингвистических признаков, извлеченных из текстов сочинений - Применил техники NLP для оценки согласованности, ясности и точности использования языка Результаты: - Модель автоматизировала процесс оценки, обеспечивая объективность и экономя время учителей - Улучшила понимание учащимися основных идей и деталей текста, что привело к повышению среднего качества сочинений на 10% Технологии: NLP, DeBERTa, LightGBM, pyspellchecker, Pandas, PyTorch, Transformers, NLTK Проект "Персонализированные рекомендации товаров для маркетплейса" Цель: Разработка рекомендательной системы, предлагающей пользователям персонализированные товарные предложения, для увеличения продаж и улучшения пользовательского опыта Обязанности: - Анализировал поведение покупателей и их предпочтения, используя данные за 12 недель работы маркетплейса - Обучил модель CatBoostClassifier для предсказания 20 наиболее вероятных покупок в следующие 7 дней - Работа с хранилищем данных DWH Результаты: - Внедрение модели привело к повышению точности предсказаний на 30% и увеличению продаж на 25% - Улучшило пользовательский опыт, предоставляя более релевантные рекомендации, что отразилось в повышении удовлетворенности клиентов и увеличении количества повторных покупок Технологии: CatBoostClassifier, Python, Pandas, Sklearn

Проект "wioservice.com - сервис визуализации и контроля всей информации по предприятию из 1С" Сервис позволяет с помощью большого количества настроек формировать отчеты для различного рода анализа информации Велась доработка, создание новых модулей системы и оптимизация проекта для полного запуска Проект создан на Laravel, фронт организован с помощью Bootstrap 4, субд MySQL