data scientist

Шлюмберже, нефтяная сервисная компания

Data scientist

С 01.11.2019 по 01.07.2024 (4 года 8 месяцев)

• Участвовал в разработке системы видеоаналитики для поиска инцидентов на производстве с помощью CV моделей, имеющую качество прогноза инцидентов в 80% и позволившую сократить время работы ОТБ специалистов на проверки видео с 7 дней до 1 дня: - Развернул LabelStudio для разметки датасетов - Разработал модуль детекции людей и погрузчиков на основе Pytorch и YOLO v7 - Разработал модуль создания и отправки PDF отчетов на почту ОТБ специалистам - Написал тесты соответствующих модулей системы (pytest) - Написал end-to-end тест всей системы для проверки бизнес-логики на эталонных примерах - Проводил обучение моделей в облаке на Yandex Datasphere • Участвовал в проекте по анализу и прогнозу данных ГИС с помощью ML моделей с прогнозной точностью коэффициента продуктивности скважины в 90%: - Проводил обучение с выбором признаков (RFE) - Обновил CI/CD пайплайн, добавив pre-commit хуки - Проводил SHAP анализ моделей - Разработал модуль для инференса моделей и инструкцию для заказчика • Разработал web-приложение на Dash для выбора локации новых скважин, позволившее проверить гипотезы в течение 7 дней вместо 2 месяцев • Выполнил рефакторинг web-приложение по оптимизации заводнения скважин: - Добавил страницу и элемент загрузки пользовательских данных из Excel - Реализовал сборку и деплой приложения на Yandex Cloud • Исследовал возможности CNN-like нейронных сетей для автоматического выделения геологических тел на сейсмических данных: - Проводил обучение U-net модели на сейсмических данных • Участвовал в разработке алгоритма визуализации сейсмических данных в виде RGB картинки, позволяющий проводить более точную интерпретации геологам и геофизикам: - Тестировал модули обработки изображений на сейсмических кубах в Jupyter Notebook

Шлюмберже, нефтяная сервисная компания

Data scientist

С 01.11.2019 по 01.07.2024 (4 года 8 месяцев)

• Участвовал в разработке системы видеоаналитики для поиска инцидентов на производстве с помощью CV моделей, имеющую качество прогноза инцидентов в 80% и позволившую сократить время работы ОТБ специалистов на проверки видео с 7 дней до 1 дня: - Развернул LabelStudio для разметки датасетов - Разработал модуль детекции людей и погрузчиков на основе Pytorch и YOLO v7 - Разработал модуль создания и отправки PDF отчетов на почту ОТБ специалистам - Написал тесты соответствующих модулей системы (pytest) - Написал end-to-end тест всей системы для проверки бизнес-логики на эталонных примерах - Проводил обучение моделей в облаке на Yandex Datasphere • Участвовал в проекте по анализу и прогнозу данных ГИС с помощью ML моделей с прогнозной точностью коэффициента продуктивности скважины в 90%: - Проводил обучение с выбором признаков (RFE) - Обновил CI/CD пайплайн, добавив pre-commit хуки - Проводил SHAP анализ моделей - Разработал модуль для инференса моделей и инструкцию для заказчика • Разработал web-приложение на Dash для выбора локации новых скважин, позволившее проверить гипотезы в течение 7 дней вместо 2 месяцев • Выполнил рефакторинг web-приложение по оптимизации заводнения скважин: - Добавил страницу и элемент загрузки пользовательских данных из Excel - Реализовал сборку и деплой приложения на Yandex Cloud • Исследовал возможности CNN-like нейронных сетей для автоматического выделения геологических тел на сейсмических данных: - Проводил обучение U-net модели на сейсмических данных • Участвовал в разработке алгоритма визуализации сейсмических данных в виде RGB картинки, позволяющий проводить более точную интерпретации геологам и геофизикам: - Тестировал модули обработки изображений на сейсмических кубах в Jupyter Notebook

Университет

Skolkovo Institute of Science and Technology

Университет

Satpayev Kazakh National Technical University, Almaty

Университет

Docker для начинающих + практический опыт

Университет

Основы статистики

Университет

Coursera

Университет

IELTS test (6,5 total)

Родной язык

Русский

Иностранные языки

Английский, Казахский, Аф?

Ключевые навыки

• Python

• Владение pandas, numpy, scikit-learn, pytorch

• Знание git

• Система измерения клиентского опыта nps, csi, dashboards

• Навыки работы с docker/docker-compose

• Jupyterhub, apache airflow

• mlflow

• Ms sql

• Docker/podman, xgboost, lightgbm, catboost

• Django rest pandas

• Python (pandas, numpy, matplotlib)

• C++, ассемблер, opencv, ffmpeg, gdi+, winapi, asterisk

Дополнительная информация

Внерабочие проекты: - MLOps-эксперименты (https://github.com/KirillSimonov/MLOps_experiments): 1. Обучение моделей для прогноз оттока и логгирование результатов mlflow 2. Запланированный запуск DAGов в airflow