data scientist

Яндекс Практикум

Data Scientist (обучение)

С 01.05.2022 по настоящее время (2 года 8 месяцев)

В настоящий момент закончил обучение на курсе "Data Science" в Яндекс Практикум. За время обучения выполнил проекты для различных сфер деятельности (банки, мобильный оператор, металлургические компании, нефтяные компании, классификация текстов и фото) Решил задачи классификации, регрессии, кластеризации, A/B-тестирование, компьютерное зрение. Примеры нескольких проектов: 1. Прогнозирование оттока клиентов. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, AUC-ROC, Seaborn. На основании исторических данных о поведении клиентов и расторжении договоров с банком построил модель, которая прогнозирует уйдёт клиент из банка в ближайшее время или нет. Хорошее качество модели также подтверждает и AUC-ROC 0.86. https://bit-ly.ru/BRITo 2. Прогнозирование цены на автомобиль. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn, Градиентный бустинг, CatBoostRegressor, LGBMRegressor На основание исторических данных построил модель определяющую рыночную цену на подержанный автомобиль для онлайн сервиса по продаже автомобилей. Хорошее качество модели также подтверждает и RMSE 1 706. https://bit-ly.ru/Y2jEe 3. Оптимизация расходов для металлургического комбината. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn, предобработка данных, Градиентный бустинг, Сatboost, Lightgbm Построение модели предсказания температуры для оптимизации производственных расходов металлургического комбината. Цель: снижение потребления электроэнергии на этапе обработки стали. Модель предсказывает температуру плавки металла с точностью. МАЕ 6.09 https://bit-ly.ru/ObGCf

Яндекс Практикум

Data Scientist (обучение)

С 01.05.2022 по настоящее время (2 года 8 месяцев)

В настоящий момент закончил обучение на курсе "Data Science" в Яндекс Практикум. За время обучения выполнил проекты для различных сфер деятельности (банки, мобильный оператор, металлургические компании, нефтяные компании, классификация текстов и фото) Решил задачи классификации, регрессии, кластеризации, A/B-тестирование, компьютерное зрение. Примеры нескольких проектов: 1. Прогнозирование оттока клиентов. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, AUC-ROC, Seaborn. На основании исторических данных о поведении клиентов и расторжении договоров с банком построил модель, которая прогнозирует уйдёт клиент из банка в ближайшее время или нет. Хорошее качество модели также подтверждает и AUC-ROC 0.86. https://bit-ly.ru/BRITo 2. Прогнозирование цены на автомобиль. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn, Градиентный бустинг, CatBoostRegressor, LGBMRegressor На основание исторических данных построил модель определяющую рыночную цену на подержанный автомобиль для онлайн сервиса по продаже автомобилей. Хорошее качество модели также подтверждает и RMSE 1 706. https://bit-ly.ru/Y2jEe 3. Оптимизация расходов для металлургического комбината. Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn, предобработка данных, Градиентный бустинг, Сatboost, Lightgbm Построение модели предсказания температуры для оптимизации производственных расходов металлургического комбината. Цель: снижение потребления электроэнергии на этапе обработки стали. Модель предсказывает температуру плавки металла с точностью. МАЕ 6.09 https://bit-ly.ru/ObGCf

Опыт в банковской сфере.

Ведущий специалист Отдела экспертизы кредитных проектов

С 01.03.2011 по настоящее время (13 лет 10 месяцев)

Весь текущий опыт работы сосредоточен в банковской сфере Я работал в таких банках как: - ПАО "Альфа Банк", - ПАО Тинькофф Банк, - АКБ "ЮГРА", - Инвестторгбанк, Банковская группа, - ПАО Россельхозбанк. За время работы прошёл путь от специалиста до главного специалиста по оценке рисков. Наиболее релевантный и значительный опыт был получен в Инвестторгбанк, где в течение 4 лет я занимался: - оценкой кредитных рисков в ходе анализа заключений подразделений Банка по сделкам кредитного характера - анализом концентрации кредитных рисков портфеля - мониторингом финансового положения контрагентов Банка - участие в процедуре установления лимитов кредитования юридических лиц дополнительным офисам и филиалам

Университет

Московская финансово-промышленная академия «Синергия»

Университет

Московская финансово-промышленная академия «Синергия»

Университет

Специалист по Data Science

Университет

основы программирования на Python

Университет

Основы алгоритмической торговли в программе TsLab

Университет

Уровень «Профессионал». Технический анализ

Университет

Курсы Английского языка

Университет

Основы функционирования фондового рынка, особенности управления активами на фондовом рынке.

Университет

Coursera

Родной язык

Русский

Иностранные языки

Ключевые навыки

• Ibm lotus notes

• анализ рисков

• Adobe indesign indesign adobe photoshop adobe illustrator ms powerpoint пользователь пк графические

• Знание ms project, ms excel, ms word, ms outlook, autocad.

• Владение ms excel

• 1с спарк риски

• Знаком с python

• Ms sql

• a/b тесты

• atlassian jira

• Django rest pandas

• Python (pandas, numpy, matplotlib)

• seaborn)

• Python (numpy, scipy, pytorch, sklearn)

• Caffe tensorflow

• Библиотеки и фреймворки (tensorflow, keras)

• Docker/podman, xgboost, lightgbm, catboost

• математическая статистика

• компьютерное зрение

• Опыт работы с nlp, знание стека от tf-idfдо llm

• Python data science

• machine learning

• computer vision

• jupiter notebook

• Знание git

• Администрирование серверов linux

Дополнительная информация

Занимаюсь изучением Data Science, испытываю большой интерес к этому направлению, так как убежден, что это весьма перспективное направление. Объемы накопленных данных постоянно растут и нужны специалисты для их анализа. За время обучения в Яндекс Практикум изучил Python и набор основных библиотек (pandas, numpy, matplotlib, sklearn, seaborn, tensorflow, keras, CatBoost, xgboost). SQL на уровне запросов средней сложности (сортировка, фильтрация, джойны). Пробовал себя на соревнованиях Kagglе. У меня большой опыт анализа: - Строительных объектов жилой и коммерческой недвижимости; - Государственных контрактов, в т.ч. с Министерством обороны; - Торговых компаний (торговое финансирование, оборотное кредитование, аккредитивы); Увлекаюсь спортом: теннис, велоспорт, прыжки с парашютом.