Рафаэль М. Data Scientist, Middle

Артём — опытный специалист в области Data Science с опытом работы более двух лет. Он обладает глубокими знаниями и навыками в машинном обучении, анализе данных и разработке программного обеспечения. Артём работал над проектами в нефтегазовой отрасли и сфере финансовых технологий, где разрабатывал модели машинного обучения для прогнозирования компонентного состава жидкостей и создания системы рекомендаций на основе искусственного интеллекта. Он также участвовал в проекте по разработке алгоритмов машинного обучения и их интеграции в облачные сервисы. Артём хорошо разбирается в инструментах и технологиях, таких как Python, TensorFlow, PyTorch, PostgreSQL, Docker и GitHub. Его опыт и навыки делают его ценным специалистом для компаний, работающих в сфере Data Science и машинного обучения.

▪ Data Scientist c более чем 5 летним опытом в области анализа данных и машинного обучения в различных отраслях, включая банковское дело, финансовые услуги, e-commerce и стартапах. ▪ Применение передовых методов анализа данных и машинного обучения для глубокого анализа текущих данных и процессов (уверенное использование ML-методов, как классических, так и DL), оптимизации операций и извлечения ценных инсайтов, а также их адаптации к бизнес-потребностям. ▪ Разработка и проектирование систем разной сложности в соответствии с техническими требованиями и задачами, включая высокоэффективные, высоконагруженные и масштабируемые микросервисные приложения. Написание кода в соответствии с PEP 8 ▪ Глубокий анализ существующих решений, их улучшение и адаптация к требованиям бизнес-процессов. ▪ Опыт работы с облачными сервисами (Sber Cloud, Azure) и настройкой CI/CD процессов (Gitlab, Jenkins). ▪ Коммуникабельность, мотивация и способность быстро вливаться в текущие процессы команды с целью достижения результатов. ▪ Менторинг новых сотрудников, участие в демо и внутренних конференциях, написание статей ▪ Проведение code review

Разрабатываю модели, способные решать задачи классификации и регрессии. Моя основная цель - помочь решить проблемы в области прогнозирования, компьютерного зрения и анализа текстовой информации. Владею классическими и глубокими методами машинного обучения. Занимаюсь анализом данных и визуализацией результатов с помощью библиотек Pandas, Numpy, Matplotlib, Seaborn, Plotly. Строю модели глубокого обучения с помощью фреймворков Keras и PyTorch. Уверенно разрабатываю на Python. Есть опыт работы с Flask, SQLAlchemy, а также опыт написания юнит-тестов с помощью библиотек PyTest и UnitTest. Совершенствую свои навыки, читая профессиональную литературу и публикуя научные статьи и статьи на Хабре. Статьи: 1. Прикладная математика и вопросы управления, 2023, Пермь: Метод определения уровня схожести изображений по цветовой составляющей на основе корреляционного анализа и квантования цветового пространства https://elibrary.ru/item.asp?id=54951039 2. Вестник Южно-Уральского государственного университета, 2023, Челябинск:Разработка системы определения перемещения рабочих на производстве на основе OpenCV и алгоритма одностадийного детектора https://elibrary.ru/item.asp?id=51254937 3. USBEREIT, 2023, Yekaterinbug: Application of Ensembles of Neural Networks for Deepfake Recognition 4. Хабр, 2023: Почему Data Science не для вас? https://habr.com/ru/users/TourmalineCore/articles/ 5. Applied Human Factors and Ergonomics, 2024, Nice: Development of Neural Networks for Deepfake Recognition https://clok.uclan.ac.uk/id/eprint/52098/1/978-1-958651-98-8_14.pdf 7. Хабр, 2025: To Docker or not to Docker? Вот в чём JupyterLab https://habr.com/ru/articles/911298/ Монография: 1. Южно-Уральский государственный университет, 2024: Управление промышленными предприятиями как фактор эффективного развития региона https://elibrary.ru/item.asp?id=79614873

Игровая аналитика данных (2019) Dev2Dev, Аналитик в GameDev MINI-MBA PROFESSIONAL (2016) City Business School, Project Management Менеджмент (2016) City Business School Основы управления проектами (2015) CourseLab

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.

работа с чистым SQL на уровне продвинутых запросов; работа с kubernetes-кластером и микросервисной архитектурой; выполнение тестирования и отладки кода; планирование, декомпозиция, оценка поставленных задач; участие в формировании бизнес-задач и их планировании; проведение cross codereview в команде; развитые коммуникативные навыки; умение работать в условиях дедлайна и планировать свой график; умение быстро и самостоятельно адаптироваться к узко-специфичным технологиям, применяемым на проекте; работа по принятым в команде стандартам, умение писать понятный код понимание современных архитектурных шаблонов и принципов

Портфолио (Archive): https://behance.net/mialekseev

Для Марии главное - подбор кандидата, который подойдет компании-заказчику не только по описанию, но и по духу. Ее заботит то, чтобы произошел полный match между кандидатом и работодателем. Умеет находить тех людей, которые не просто приносят пользу компании, но и имеют синхронизированную с ней шкалу ценностей, что помогает ее кандидатам работать на полученной должности долго и плодотворно. Более 450 закрытых вакансий, большая часть сотрудников на которых продолжает трудиться и по сей день, развиваясь и принося выгоду своим нанимателям. Предпочитает четкий и прозрачный диалог как с непосредственным руководством, так и с авторами вакансий. Для нее важен результат работы, и если в цепочке найма возникают сбои, то она готова самостоятельно добиваться ответа от слабого звена коммуникации. Имеет сертификаты курсов: - Career-on-line: "Методики и инструменты оценки кандидатов". (2021) - Geek Brains "ИТ-рекрутмент". (2021) - Tom Hunt "Рекрутмент 2.0" (2020) - Career-on-line; "Технологии поиска кандидатов методами прямого поиска". (2019)

Анализ данных, ML-инженерия, инженерия данных, статистика, вычислительная статистика, постановка эксперимента, оптимизация, квантовые вычисления.