Антон М.
от 1 600 ₽/ч
Стаж 7 лет
Навыки подтверждены нашим экспертом
Основное
- Возраст:31 год
- Опыт на зарубежных проектах:Не было
- Уровень английского:B2
Образование
Хард скиллы
- Python7/10
- Other9/10
Проекты
- Jan 2024 - н. в.2 г., 3 мес.
Decart IT
Проект Крупного ритейла
Реализовано
через RIWO- Стек проектаSQL, Python, pyTorch, DeepPavlov, Catboost, statmodels, Yandex Cloud, S3, MLFlow, Terraform, Kafka, Airflow/MLFlow/Docker, SparkML
- ЗадачиРазработка моделей в рамках маркетинговых оптимизаций: модели NPD, элементы рекомендательной системы, векторное представление клиентов на основе чеков. Разработка витрины с более чем 200+ различными признаками и 4 различными модальностями, разработка дорожной карты развития ML решений. Разработка автоматизированной системы оценки А/В тестов с ratio/non-ratio метриками. Менторинг младших коллег. Планирование спринта, оценка нагрузки на команду, помощь в разработки критериев отбора кандидатов. Работа в клиентских стримах ВИП, трафик, отток
- РезультатМодель NPD: используется для запусков маркетинговых кампаний для определения склонности к посещению в период следующих 7 дней. Витрина признаков: снижение временных затрат на сбор данных для команды ML разработчиков. Система оценки А/В тестов: снижение временных затрат на анализ рекламных кампаний, появилась возможность декомпозиции бизнес метрик + появилось более детальное понимание влияния на поведение клиента. Векторное представление: позволило оптимизировать этап деления клиентских выборок для запуска А/В теста, дополнительные признаки для любых моделей отклика.
- Состав командыВедущий Data Scientist — ответственный за разработку моделей, архитектуру решений и менторинг младших коллег. Data Scientist — участвующий в создании моделей, анализе данных и разработке витрины признаков. Инженер по данным (Data Engineer) — обеспечивающий сбор, обработку и хранение данных (использование SQL, S3, Kafka, SparkML). DevOps-инженер — занимающийся настройкой инфраструктуры и автоматизацией процессов (Terraform, Docker, MLFlow, Yandex Cloud). Специалист по тестированию и аналитике A/B тестов — разрабатывающий автоматизированные системы оценки и анализ эффективности кампаний. Менеджер проекта — планирующий спринты, оценивающий нагрузку и координирующий работу команды. Ментор — поддерживающий развитие младших специалистов и обеспечивающий качество решений.
- Отзыв заказчика4.0Дмитрий А.
Спокойный и уравновешенный исполнитель, с ним удобно работать.
- Apr 2023 - Jan 20249 мес.
Сбер
Массовая персонализация В2С Реализовано
через RIWO- Стек проектаSQL, pySpark, pytorch, catboost, shap, SparkML
- ЗадачиСбор и подготовка данных: сбор данных о клиентах из различных источников (CRM-системы, транзакционные данные, данные о взаимодействии с продуктами и услугами). Очистка и предобработка данных: обработка пропусков, нормализация признаков, создание новых переменных (например, на основе временных меток). Анализ данных: проведение разведывательного анализа данных (EDA) для выявления ключевых факторов, влияющих на поведение клиентов. Использование визуализаций для представления результатов анализа и выявления сегментов клиентов. Сегментация клиентов: применение методов кластеризации (например, K-means или DBSCAN) для группировки клиентов по схожим характеристикам и поведению.
- РезультатТекущая модель наилучшего времени коммуникации в канале телефон + робот получила 11% прироста CR. Прогноз трат на школьника: модель являлась составляющей масштабного проекта “Ромашка” по предсказанию жизненных ситуаций клиента, наличие данной модели позволило приблизить проект к завершению еще на один шаг.
- Состав командыData Scientist — ведущий аналитик, ответственный за разработку моделей, проведение анализа данных, сегментацию клиентов и создание систем рекомендаций. Data Engineer — специалист по обработке и подготовке данных, реализующий сбор данных из различных источников (CRM, транзакции), а также их очистку и предобработку с использованием SQL, pySpark. Модельер/ML-инженер — занимается разработкой и внедрением моделей машинного обучения (PyTorch, CatBoost), а также их оптимизацией и мониторингом. Специалист по визуализации данных — создает визуальные отчеты и презентации для анализа результатов (например, с помощью SHAP). Инженер по автоматизации и DevOps — обеспечивает автоматизацию процессов обучения моделей, интеграцию решений в системы маркетинга и внедрение CI/CD (использование SparkML, Docker). Специалист по балансировке данных — применяет методы балансировки выборок (SMOTE, oversampling/undersampling) для работы с несбалансированными данными. Бизнес-аналитик/продуктовый менеджер — формулирует требования к моделям, участвует в оценке эффективности и внедрении решений. Менеджер проекта — планирует работу команды, оценивает нагрузку, координирует взаимодействие между участниками. Обучающий/тренер — проводит семинары или тренинги для команды по использованию новых инструментов и моделей.
- Отзыв заказчика5.0Григорий Ф.
Серьезный подход к работе и отличная коммуникация.
- Aug 2020 - Jun 20219 мес.
Газпромбанк, ОАО
Построение моделей для банковских продуктов Реализовано
через RIWO- Стек проектаSQL, pySpark, Catboost, shap, sklearn, matplotlib, SparkML
- ЗадачиСбор и подготовка данных: сбор данных из различных источников, включая CRM-системы, транзакционные данные, данные о клиентах и их взаимодействии с продуктами банка. Очистка и предобработка данных: обработка пропусков, нормализация признаков, создание новых переменных (например, на основе временных меток). Анализ данных: проведение разведывательного анализа данных (EDA) для выявления закономерностей в поведении клиентов и факторов, влияющих на принятие решений.
- РезультатМодели отклика: сокращение финансовых затрат на маркетинговые кампании в заведомо дорогом канале связи СМС. Система мониторинга: сокращение трудовых затрат сотрудников на отслеживание качества моделей находящихся в проде
- Состав командыData Scientist — ведущий аналитик, ответственный за разработку моделей кредитного скоринга, систем рекомендаций, обнаружения мошенничества и оценки эффективности моделей. Использует инструменты CatBoost, sklearn, SHAP, matplotlib. Data Engineer — специалист по сбору и подготовке данных из различных источников (CRM, транзакции, взаимодействия). Работает с SQL, pySpark для обработки больших объемов данных и автоматизации процессов. ML-инженер / Разработчик моделей — занимается построением и внедрением предсказательных моделей (логистическая регрессия, градиентный бустинг, деревья решений), а также оптимизацией и мониторингом их работы в продакшене (SparkML). Специалист по балансировке данных — применяет методы SMOTE, oversampling/undersampling и модифицированные loss-функции для работы с несбалансированными выборками. Бизнес-аналитик / Продуктовый менеджер — формулирует требования к моделям, оценивает бизнес-эффективность решений, участвует в подготовке отчетов и рекомендаций по внедрению. Инженер по автоматизации и DevOps — обеспечивает автоматизацию процессов обучения моделей, интеграцию решений в системы банка, настройку CI/CD (использование Docker, SparkML). Специалист по визуализации данных — создает отчеты и визуализации для анализа результатов (Matplotlib), помогает выявлять ключевые сегменты клиентов и факторы влияния.
- Отзыв заказчика5.0Максим Ю.
Исполнитель отличается ответственностью и надежностью.
- Apr 2020 - Jul 20202 мес.
Social Discovery Ventures
Оптимизация рекламных кампаний- Стек проектаCatBoost, sklearn, keras, spaCy, MS SQL
- ЗадачиСбор и подготовка данных: сбор данных из различных источников, включая платформы цифровой рекламы, веб-аналитику, CRM-системы и базы данных пользователей. Очистка и предобработка данных: обработка пропусков, нормализация признаков, создание новых переменных (например, на основе временных меток или категорий). Анализ данных: проведение разведывательного анализа данных (EDA) для выявления закономерностей в поведении пользователей и факторов, влияющих на конверсию.
- РезультатУвеличение конверсии: Повышение вероятности выполнения целевых действий пользователями (например, регистрации, покупок) через более точное таргетирование. Оптимизация бюджета: Эффективное распределение рекламного бюджета между различными каналами и кампаниями для максимизации ROI. Персонализация рекламы: Создание персонализированных рекламных предложений на основе анализа поведения пользователей.
- Состав командыData Scientist — ведущий аналитик, ответственный за разработку моделей предсказания конверсии, сегментацию аудитории, анализ факторов влияния и оценку эффективности рекламных стратегий. Использует инструменты CatBoost, sklearn, keras, spaCy. Data Engineer — специалист по сбору и подготовке данных из различных источников (платформы цифровой рекламы, веб-аналитика, CRM-системы, базы данных). Работает с MS SQL и pySpark для обработки больших объемов данных и автоматизации процессов. ML-инженер / Разработчик моделей — занимается построением и внедрением моделей машинного обучения (логистическая регрессия, деревья решений), а также их оптимизацией и мониторингом в продакшене. Специалист по кластеризации и сегментации — применяет методы кластеризации (K-means, DBSCAN) для группировки пользователей по схожим характеристикам и поведению, помогает определить целевые сегменты. Специалист по визуализации данных — создает отчеты и визуализации для анализа результатов (например, с помощью Matplotlib), помогает выявлять ключевые сегменты аудитории и факторы влияния. Бизнес-аналитик / Маркетолог — формулирует требования к моделям и аналитике, участвует в интерпретации результатов A/B-тестов, разрабатывает рекомендации по оптимизации рекламных кампаний.
- Mar 2019 - Apr 20201 г., 1 мес.
Центр развития экономики, ОАО
Разработка элементов рекомендательной системы- Стек проектаpandas, numpy, scikit-learn, catboost, keras, sql
- ЗадачиСбор и подготовка данных: сбор данных о пользователях, их взаимодействии с продуктами (например, покупки, просмотры) и демографической информации. Очистка и предобработка данных: обработка пропусков, нормализация признаков, создание новых переменных (например, на основе временных меток). Анализ данных: проведение разведывательного анализа данных (EDA) для выявления закономерностей в поведении пользователей.
- РезультатЭлементы рекомендательной системы: расширение набора признаков для фундаментальной модели, что в свою очередь привело к увеличению точности наших рекомендаций. Анализ подозрительного поведения на площадке: проект позволил выявить признаки, которые в дальнейшем использовались службой безопасности для определения мошенничества. Предиктивная аналитика: модель отклика на маркетинговое предложение, позволила сохранить лояльность клиентов и сократить бюджет на рекламу.
- Состав командыData Scientist / Аналитик данных — ведущий специалист, ответственный за проведение разведывательного анализа (EDA), разработку моделей рекомендаций (коллаборативная фильтрация, контентная фильтрация, гибридные подходы), оценку их качества (RMSE, Precision@K, Recall@K) и анализ подозрительного поведения. Использует pandas, numpy, scikit-learn, catboost, keras. Data Engineer — специалист по сбору и подготовке данных из различных источников (базы данных, платформы). Работает с SQL для извлечения данных, занимается обработкой пропусков, нормализацией признаков и созданием новых переменных. ML-инженер / Разработчик моделей — занимается построением и оптимизацией рекомендательных алгоритмов, внедрением моделей в бизнес-процессы. Использует catboost, keras для разработки гибридных моделей. Специалист по кластеризации — применяет методы K-means или иерархической кластеризации для сегментации пользователей по поведению и характеристикам, помогает определить целевые группы. Специалист по визуализации данных — создает отчеты и графики для представления результатов анализа и оценки эффективности рекомендаций.
- Oct 2018 - Mar 20194 мес.
ООО Claire&Clarté
Макет аналитической системы для прогноза выхода промышленного оборудования из строя- Стек проектаCtaboost, Jupyter Notebook, shap
- ЗадачиСбор и подготовка данных: сбор данных о работе оборудования, включая параметры работы (температура, давление, вибрация), историю ремонтов, технические характеристики и условия эксплуатации. Очистка и предобработка данных: обработка пропусков, нормализация признаков, создание новых переменных (например, на основе временных меток или агрегированных показателей).
- РезультатАвтоматизированная система для заданного набора признаков различных типов (категориальные, непрерывные), которая позволяла для заранее сформированного целевого значения обучать модель отклика. На выходе получался pickle файл с моделью + jupyter ноутбук с графиками, набором метрик, описанием предиктивной силы признаков по shap
- Состав командыData Scientist / Аналитик данных — главный специалист, ответственный за проведение разведывательного анализа (EDA), разработку и обучение моделей машинного обучения (логистическая регрессия, деревья решений, случайный лес), интерпретацию важности признаков (использование SHAP), подготовку отчетов и визуализаций. Использует Jupyter Notebook, shap, scikit-learn, catboost. Data Engineer / Инженер по данным — занимается сбором данных о работе оборудования, ремонтах, технических характеристиках и условиях эксплуатации. Обрабатывает пропуски, нормализует признаки, создает новые переменные и обеспечивает подготовку данных для моделей. Машинный инженер / Разработчик моделей — специализируется на построении и оптимизации моделей прогнозирования с использованием CatBoost и других алгоритмов. Обеспечивает сохранение обученных моделей в pickle-файлы для дальнейшего внедрения. Инженер по временным рядам — занимается анализом изменений в показателях работы оборудования с течением времени, применением методов временных рядов для повышения точности прогнозов. Специалист по визуализации и отчетности — создает графики, отчеты и презентации результатов анализа и оценки модели для внутреннего использования и принятия решений.
Запись видео интервью
Интервью с рекрутером-экспертом RIWO
Техническое интервью
Похожие специалисты
- Юрий Г.2 700 ₽Ex-Финтех Софт
Россия, г. МоскваПрограммистData ScientistData ScientistSeniorSenior Data Scientist с 9+ годами опыта в fintech и рекомендательных системах. Kafka, MLFlow, Spark, LightGBM. Оптимизация скоринга, antifraud и архитектура ML пайплайнов.
- Other9
- Python9
- Kafka9
Посмотреть специалиста - Вячеслав К.2 700 ₽Ex-ФинЭксперт
Россия, г. КазаньПрограммистИнженерData ScientistSeniorSenior Data Scientist с 9+ годами опыта в fintech и рекомендательных системах. Kafka, MLFlow, Spark, LightGBM. Оптимизация скоринга, antifraud и архитектура ML пайплайнов.
- Other9
- Python9
- Kafka9
Посмотреть специалиста - Евгений Р.1 600 ₽МоскваПрограммистData Science разработчикData ScientistSenior
Senior Data Scientist с опытом работы более 5 лет. Обладаю широкими знаниями в различных областях: временные ряды, компьютерное зрение, A/B тестирование и табличные данные. Работал в крупных банках, IT и консалтинге. Есть опыт руководства командой из 4+ человек. Ориентирован на предоставление измеримой ценности для бизнеса посредством инновационных и эффективных решений.
- SQL10>
- Other9
- Python8
Посмотреть специалиста - Вадим Л.2 700 ₽Ex-РТК АналитикаРоссия, г. НовосибирскПрограммистИнженерData ScientistSenior
Senior Data Scientist с 9+ годами опыта в fintech и рекомендательных системах. Kafka, MLFlow, Spark, LightGBM. Оптимизация скоринга, antifraud и архитектура ML пайплайнов.
- Other10>
- Python9
- Kafka9
Посмотреть специалиста - Иван М.1 600 ₽г. РоссияПрограммистData Science разработчикData ScientistSenior
Моя основная экспертиза сосредоточена в области классического машинного обучения, где я успешно решаю задачи прогнозирования и создаю модели для бизнес-решений. Особенно глубокий опыт у меня накоплен в ритейл-секторе, где я работал над проектами по оптимизации ценообразования, прогнозированию спроса и анализу покупательского поведения. В планах дальнейшего развития — углубление компетенций в своем текущем стеке технологий, а также расширение компетенций в направлении технического лидера. Меня интересует не только создание моделей, но и их интеграция в производственные процессы, а также разработка стратегий для масштабирования аналитических решений. Ключевыми качествами, которые помогают мне достигать успехов в реализации проектов, являются: ● Аналитический склад ума: способность находить закономерности в данных и формулировать эффективные решения. ● Фокус на бизнес-цели: понимание того, как мои разработки влияют на ключевые показатели бизнеса. ● Командная работа: готовность к сотрудничеству с коллегами из разных отделов для достижения общих целей. ● Гибкость и адаптивность: способность быстро перестраиваться под изменяющиеся условия и требования. Есть опыт работы в ритейле, электроэнергетике, сфере финансов, нефтяной области. Последние проекты были по динамическому ценообразованию, прогнозированию спроса товаров. В 2022 прошел курс Hard ML: - ранжирование и матчинг - АБ тесты - динамическое ценообразование - Uplift моделирование. В 2024 прошел обновленный курс по динамическому ценообразованию и курс по PySpark.
- Other6
Посмотреть специалиста - Егор Ч.1 600 ₽г. РоссияПрограммистСпециалистData ScientistSenior
Я — опытный Data Scientist и ML Engineer с более чем четырёхлетним стажем, специализирующийся на разработке и внедрении передовых решений в области машинного обучения, оптимизации и обработки больших данных. Мой профессиональный путь включает создание масштабируемых продуктов и платформ, успешное руководство междисциплинарными командами и реализацию проектов, приносящих значимый бизнес-эффект. Мои ключевые компетенции — это разработка сложных моделей машинного обучения, включая NLP, CV, Deep Reinforcement Learning, а также создание архитектур для больших данных и оптимизационных задач. Я успешно реализую проекты по автоматизации бизнес-процессов, снижению затрат и повышению эффективности, в том числе, в таких сферах как ритейл, транспорт, финансы и логистика. Я умею ясно объяснять технические решения бизнес-команде, внедряю лучшие практики разработки и менторю младших специалистов. Мною выполнены масштабные проекты по оптимизации логистических цепочек, автоматизации закупок, анализу новостей и развитию аналитических платформ. Обладаю высокими коммуникационными навыками, способен обсуждать как технические детали, так и бизнес-стратегии, что позволяет достигать эффективных решений и обеспечивать положительный вклад в развитие компаний.
- Python10>
- Other9
- PostgreSQL8
- Docker8
Посмотреть специалиста - Арсений Н.1 600 ₽г. РоссияПрограммистСпециалистData ScientistSenior
Я обладаю обширным опытом и навыками в области анализа данных, машинного обучения и разработки решений на основе современных технологий, что, как я уверен, будет ценным вкладом для вашей организации. За последние пять лет я успешно реализовал проекты в области обработки и анализа данных, разработки и внедрения ML-моделей, а также автоматизации бизнес-процессов. Мой опыт включает работу в таких компаниях, как Decart IT и Зетта Страхование, где я занимался разработкой NLP‑решений, предиктивных моделей, автоматизацией ETL‑процессов, созданием API‑сервисов и построением эффективных пайплайнов для обработки больших данных. Я хорошо владею такими технологиями и инструментами, как SQL, Python, SAS, C++, Docker, Jenkins, OpenShift, FastAPI, Apache Airflow, Streamlit, Plotly, а также системами контроля версий GIT и различными типами баз данных. Мой опыт включает работу с ML и NLP моделями, кластеризацией, регрессией, обработкой текста, автоматизацией процессов анализа данных и созданием визуальных дашбордов для бизнес-аналитики. Обладаю хорошими аналитическими навыками, умением разрабатывать сложные решения и работать в команде с аналитиками, инженерами и бизнес-стейкхолдерами. Владею английским языком на уровне В1, что позволяет мне эффективно взаимодействовать с международными командами и использовать зарубежные источники информации.
- Python8
- FastAPI8
- Other8
- SQL7
Посмотреть специалиста - Ольга Н.1 600 ₽г. РоссияПрограммистСпециалистData ScientistSenior
Я опытный Data Scientist с более чем четырьмя годами практического опыта в области анализа данных, моделирования и машинного обучения, особенно в финансовом секторе и финтехе. Выпускница AI Masters Московского государственного университета, обладаю глубокими знаниями в области теории машинного обучения, статистики и анализа данных. За время своей карьеры я успешно реализовала проекты по созданию моделей оценки кредитных рисков, антифрода и оценки клиентского поведения. В частности, я разрабатывала системы обнаружения мошенничества с использованием OCR, классификаторов и моделей градиентного бустинга (CatBoost, LightGBM). Работала с большими объёмами данных, использовала технологии Hadoop, PySpark, Hive для обработки и анализа данных из сложных источников. Кроме того, у меня есть опыт в NLP и Computer Vision — создавал системы мониторинга соцсетей, выделял именованные сущности, строил текстовые классификаторы и системы анализа мнений. Для этого использовал библиотеки, такие как nltk, natasha, PyTorch, OpenCV, а также облачные сервисы Yandex Cloud. Обладаю навыками работы с SQL, Docker, Git и другими инструментами DevOps и обучения. Владею английским языком на уровне C1, что позволяет работать с международными командами и источниками данных. Я заинтересована в участии в проектах, связанных с CV, NLP и Audio/Signal Processing, где могу применить свои знания нейросетей и аналитики для решения сложных задач и развития новых технологий.
- Other10>
- SQL9
- PostgreSQL9
- Docker7
Посмотреть специалиста