ML Engineer Data Scientist

На данный момент Аналитик продаж.

Мои компетенции и опыт

Я — инженер с двадцатилетним опытом в проектировании, обладающий развитым системным мышлением и навыками аналитической работы с данными в рамках технологических процессов. Со временем я заметила, что задачи и цели работы стали слишком шаблонными и я не вижу больше направлений для развития. Мой инженерный опыт включал работу с большими объемами технической информации, анализ и прогнозирование, что сформировало прочную базу для перехода в Data Science. Для глубокого понимания я закончила курс профессиональной переподготовки по направлению Data Scientist, а также реализовала ряд проектов, подтверждающих мой практический опыт в машинном обучении. Я нацелена продолжать развитие именно в этой области. 

Реализовала порядка 50 учебных проектов на темы:

- Статистика: применение статистических методов для анализа данных, проверка гипотез, А/В тестирование (Scipy);

- Обработка и анализ данных: работа с данными с применением Python (Pandas, NumPy);

- Получение данных при помощи SQL запросов;

- Машинное обучение, Deep Learning: Построение и обучение моделей для задач регрессии, классификации, кластеризации, компьютерного зрения (Sklearn, Tensorflow, PyTorch, OpenCV, Ultralytics, CatBoost, XGBoost, Feature Selection);

- Рекомендательные системы: Построение рекомендательных систем (Surprise);

- Временные ряды: Анализ и прогнозирование временных рядов (Statsmodels);

- Веб-скрапинг: сбор информации с сайтов (BeautifulSoup);

- SQL: запросы для извлечения и агрегации данных из реляционных баз данных (PostgreSQL);

- Аналитика больших данных: Основы работы с большими данными (PySpark).

НЕКОТОРЫЕ ВЫПОЛНЕННЫЕ ПРОЕКТЫ:
- Построения модели машинного обучения "Кредитный скоринг", достигнута величина целевой метрики 0,75, при диапазоне метрик других участников 0,49 - 0,78;

- Fine tuning модели для детекции посторонних/владельцев на камере видеонаблюдения;

- Кластеризация игроков в покер в зависимости от их поведения во время игры, достигнуто упрощение выбора стратегии игры в зависимости от поведения игрока;

- Нейросетевой перенос стиля изображений (Style Transfer).

- Создание адверсариальной атаки на классификатор MNIST — генерация шума, меняющего предсказание. модели.

-Обучение модели UNet для сегментации объектов.

С выполненными проектами можно ознакомиться в портфолио —  нужен доступ к резюме