Специалисты

Матчинг товаров конкурентов

Команда: Команда разработки ML Фудтех, на данный момент 3 человека: Тимлид и 2 мидл ML, каждый на своем проекте Роль на проекте: ML разработчик Обязанности: Разработка и дообучение Transformer?энкодера (contrastive learning) для текстовых описаний товаров. Создание пайплайна расчёта эмбеддингов и NN?поиска. Проектирование Airflow DAG, выгрузка результатов в S3 / Greenplum. Поддержка ETL из ClickHouse и интеграция данных в pricing?dashboard. Настройка мониторинга качества (Hit?Rate, MRR) и алертов. Достижения: Достигнуты метрики: MRR?0.71, Hit?Rate@10?0.92 на 18?k SKU. Время ежедневного обновления маппинга сокращено до 12?мин (?4 быстрее старта). Снижена доля ручного матчинга до <30?% через confident?threshold и semi?auto review. Настроена CI?автосинхронизация DAG ? zero?downtime релизы. Пайплайн масштабирован под рост до 500?k?SKU без изменения SLA.

Python • PyTorch • Transformers • Pandas • DVC • MLFlow • Airflow • ClickHouse • Greenplum • Yandex Cloud S3 • Docker • GitLab CI • Regex • Data Validation • Metric Tracking •

01.2025 наст. вр месяцев

e-commerce компания по производству и ритейлу очков

Команда: Data department Роль на проекте: Senior Data Scientist Обязанности: Поиск визуального сходства — сбор набора данных, обучение модели, извлечение вложений, реализация поиска, разработка и развертывание микросервисов, регистрация и мониторинг; Visual similarity search — поиск визуально похожих очков среди ассортимента компании, ResNet (дообученный) кодирование изображений присланных пользователем и поиск максимально похожих очков в каталоге Сокращение PII — подпроцесс для удаления защищенных данных HIPA в дополнение к основному конвейеру OCR; Оценка отзывов — регулярный конвейер CI для ранжирования обзоров продуктов; Reviews ranking — ранжирование отзывов пользователей на основе сентимента и информативности ревью Наставничество и техническое руководство в небольшой команде специалистов по данным: Quiz-based hybrid RS — рекомендации очков на основе ответов пользователя на опросник (Quiz) CatBoost Рекомендации визуально похожих очков Достижения: Достигнут HitRate@1 в районе 60% для визуального поиска Рекомендации визуально похожих товаров увеличили конверсию на 3%

Python • PyTorch • Pandas • BigQuery • OpenCV • MediaPipe • GCP • Docker+ K8s • GitLab CI • Sklearn • DVC • CatBoot • Airflow 2.*.* • Yandex Cloud

01.2024 12.2024 месяца

e-commerce компания по производству и ритейлу очков

Команда: Data department Роль на проекте: Middle data scientist Обязанности: Экспорт данных из BigQuery(SQL)4 Подготовка датасетов (feature engineering, feature selection, imputing); Обучение моделей, hyperparameter tuning (optima, grid-search); Деплой моделей в продакшн. Основные проекты: Предсказание купит ли пользователь премиальный или обычный продукт Прогнозирование спроса на очки Рекомендация очков по фото лица Facial-&-behaviour hybrid RS - рекомендации очков на основе фотографии лица пользователя Ранжирование отзывов на основе сентимента и информативности Достижения: В задаче предсказания премиума ROC-AUC > 95% Прогнозирование спроса MAPE 27 -> 17 % В задаче рекомендаций CTR +4%, CR +2%

Python • SQL • BigQuery • Pandas • NumPy • CatBoost • Scikit?Learn • Optuna • MLflow • Docker • DVC • GitLab?CI • OpenCV • PyTorch • Recommender?Systems • Demand?Forecasting • Classification • Sentiment?Analysis • Feature?Engineering • A/B?Testing • Data?Visualization

01.2023 01.2024 месяца

Исследовательский проект в области разведки нефтяных месторождений

Команда: 5 человек + руководитель, 2 джуна, 2 мидла и один сеньор + руководитель уровня сеньор Роль на проекте: Middle data scientist Обязанности: Super?resolution томограмм (Pix2Pix) Surface?correlation?NN MLOps (MLflow) Достижения: Получены модели повышения разрешения 2Д и 3Д изображений пористых структур Достигнуто очень низкое MAPE < 1% для суррогатной модели предсказания корреляционных функций на 2Д и 3Д изображениях пористых структур

Python • PyTorch • U-Nets • 3D CNN • MLflow • Docker • NumPy • Scikit?Image • Albumentations • OpenCV • Surrogate Modeling • Super?resolution • Volumetric Data • Data Visualization

05.2021 12.2022 месяца

Исследования в области спектроскопии белков-маркеров заболеваний

Роль на проекте: Data scientist Обязанности: Сбор и предобработка Рамановских / флуоресцентных спектров белков?маркеров: baseline?correction, нормализация, denoising. Скрипты Python (NumPy, SciPy, pandas) для извлечения признаков: PCA, t-SNE Классификация «болезнь?/?контроль» моделями SVM, Random?Forest, CNN; протокол k?fold CV. Кластеризация (K?means, DBSCAN) для поиска новых групп спектров Характеризация поверхностей подложек с помощью CNN-автокодировщика Достижения: Получена высокая точность классификации ГКР-спектров низких концентраций белков-маркеров Показана корреляция между признаками усиления спектра и параметрами напыления подложек Опубликована Q1 статья по результатам исследований

Python • NumPy • SciPy • Pandas • Scikit?Learn • PyTorch • Spectroscopy • PCA • t?SNE • Clustering (K?means, DBSCAN) • Matplotlib • Seaborn • Git

10.2016 12.2020 месяцев