data scientist

Нетология

Data Scientist

С 01.10.2021 по 01.12.2024 (3 года 2 месяца)

• Система автоответа (40тем) для службы поддержки [pre-trained BERT + sklearn + Flask + Vertica + seaborn] — Статья на Хабре Результат: Уменьшение нагрузки на команду поддержки пу- тем автоответа на организационные вопросы. Модель успеш- но отвечает на 1000 запросов в месяц (покрывает около 10% всех тикетов) и работает с метрикой Accuracy = 82%. • Распознавание возвратных тикетов и перенаправление их в специализированную команду [CatBoost + Flask + AB-test] Результат: 1) Уменьшение доли завершенных возвратов на 5 процентных пунктов. 2) Уменьшение нагрузки на службу под- держки путем перенаправления “возвратных” тикетов на спе- циализированную команду. Модель ставит тэг “возврат” 1000 тикетам/месяц и работает с Precision = 90% (Prevalence = 5%). • Поиск горячих пользователей для ретаргетинга и email-рассылок [CatBoost + AirFlow + ClickHouse + AB-test] Результат: 100+ оплат ($70к) в ML-сегменте ежегодно. • МодельSpeech2Textдляком.контролякачества[Vosk+AirFlow] Результат: Транскрибированы 1000+ видео для поиска ненор- мативной лексики. Cоавтор и ревьюер проектов • AI-тьютор для онлайн-курса [ChatGPT API] • LLM-агент для службы поддержки [ChatGPT API + RAG] • Проект мэтчинга резюме и вакансии + определение скиллов кандидата по резюме [BERT + PyTorch]

Нетология

Data Scientist

С 01.10.2021 по 01.12.2024 (3 года 2 месяца)

• Система автоответа (40тем) для службы поддержки [pre-trained BERT + sklearn + Flask + Vertica + seaborn] — Статья на Хабре Результат: Уменьшение нагрузки на команду поддержки пу- тем автоответа на организационные вопросы. Модель успеш- но отвечает на 1000 запросов в месяц (покрывает около 10% всех тикетов) и работает с метрикой Accuracy = 82%. • Распознавание возвратных тикетов и перенаправление их в специализированную команду [CatBoost + Flask + AB-test] Результат: 1) Уменьшение доли завершенных возвратов на 5 процентных пунктов. 2) Уменьшение нагрузки на службу под- держки путем перенаправления “возвратных” тикетов на спе- циализированную команду. Модель ставит тэг “возврат” 1000 тикетам/месяц и работает с Precision = 90% (Prevalence = 5%). • Поиск горячих пользователей для ретаргетинга и email-рассылок [CatBoost + AirFlow + ClickHouse + AB-test] Результат: 100+ оплат ($70к) в ML-сегменте ежегодно. • МодельSpeech2Textдляком.контролякачества[Vosk+AirFlow] Результат: Транскрибированы 1000+ видео для поиска ненор- мативной лексики. Cоавтор и ревьюер проектов • AI-тьютор для онлайн-курса [ChatGPT API] • LLM-агент для службы поддержки [ChatGPT API + RAG] • Проект мэтчинга резюме и вакансии + определение скиллов кандидата по резюме [BERT + PyTorch]

Европейский университет в Санкт-Петербурге

Преподаватель машинного обучения

С 01.01.2023 по 01.06.2023 (5 месяцев)

Вел курс по анализу данных, который включал в себя статистические методы, классическое машинное обучение, а также подходы к обработке текстов и изображений.

Университет

Московский физико-технический институт (МФТИ)

Университет

Школа сложного программирования Lalambda (курс по ML)

Университет

Samsung ED: Нейронные сети и компьютерное зрение

Университет

Samsung ED: Нейронные сети и обработка текста

Университет

Летняя Школа: Мастерская "ML&Texts"

Университет

Биоинф: Основы статистики 1, Основы статистики 2

Университет

БиоИнф: Анализ данных в R

Университет

БиоИнф: Программирование на Python

Университет

Интерактивный тренажёр по SQL

Университет

Летняя школа: Мастерская "АнДан"

Университет

БиоИнф: Введение в Data Science и машинное обучение.

Университет

БиоИнф: Нейронные сети

Родной язык

Русский

Иностранные языки

Английский

Ключевые навыки

• Sqlite

• Знаком с python

• математическая статистика

• Apache airflow

• Docker / kubernetes

• Python , fastapi, flask, pandas, git, docker, ci/cd, sql

• natural language processing

• Опыт работы с chatgpt

• Fetch api

• Владение pandas, numpy, scikit-learn, pytorch