• Резюме
• Опыт работы
• Обучение
• Рабочие проекты
• Учебные проекты
- Data Science
- Backend
июль 2021 – н. в. | КБ Стрелка (strelka-kb.com) |
Младший backend-разработчик в составе команды, участие в разработках в сфере дата аналитики. - Разработка микросервисов различного назначения. - Разработка API для внутренних сервисов. - Создание сервисов чат-ботов. - Разработка проектов «Чего хочет город», «Пять шагов для городов», «Цифровой мастер-план Байкальска». - Разработка внутренного чат-бота. - Поддержка чат-бота дружественного ресторана. - Разработка классификатора текстов. Стек: Python 3, PostgreSQL, Sanic, RabbitMQ, AsyncIO, Simple-JWT, GIT, GraphQL, Pandas, NumPy, Docker, REST API |
август 2009 – июль 2021 | Работа не в сфере IT | — |
Чего хочет город |
КБ Стрелка Docker, RabbitMQ, PostgreSQL 12 + PostGIS, Hasura (GraphQL), Nginx, Certbot |
роль: младший бэкенд разработчик; младший аналитик данных |
SaaS платформа для сбора и обработки текстовых сообщений обратной связи клиентов бизнеса. Платформа построена на базе микросервисной архитектуры. Отдельно выделяется диалоговый микросервис, реализующий взаимодействие с различными источниками данных в едином паттерне диалогов. В рамках этого паттерна весь обмен является диалогом, а единицей обмена и контекста этого обмена выступают т.н. ноды, строительные кирпичики диалога, задающие его направленность и тип. |
Пять шагов для городов |
КБ Стрелка Docker, RabbitMQ, PostgreSQL 12 + PostGIS, Hasura (GraphQL), Nginx, Certbot |
роль: младший бэкенд разработчик |
Программа направлена на развитие российских городов и повышение их привлекательности для молодежи. Города-участники реализуют Программу начиная с мая 2022 года, сформировав перечень проектов для реализации и пройдя обучение. В Программе может принять участие любой российский город. Система состоит из 3 частей: - Личные кабинеты городов для работы в течение программы - Панель администратора для организаторов программы - Публичный сайт с информацией о программе. |
Цифровой мастер-план Байкальска |
КБ Стрелка Docker, RabbitMQ, PostgreSQL 12 + PostGIS, Hasura (GraphQL), Nginx, Certbot |
роль: младший бэкенд разработчик |
Мастер-план Байкальска — комплекс мероприятий для трансформации города в комфортное место для жизни, в точку притяжения туристов и центр экологичного производства. |
2022 | Яндекс.Практикум | Data Science | Сертификат RUS / EN |
2021 | Яндекс.Практикум | Backend | Сертификат RUS / EN |
2012 | Московский государственный университет леса (МГУЛ) | Инженер по специальности «Технология деревообработки» | Диплом |
Надёжность заёмщиков (предобработка данных) | Аналитика |
Заказчик — кредитный отдел банка. Нужно разобраться, влияет ли семейное положение и количество детей клиента на факт погашения кредита в срок. Входные данные от банка — статистика о платёжеспособности клиентов. Результаты исследования будут учтены при построении модели кредитного скоринга — специальной системы, которая оценивает способность потенциального заёмщика вернуть кредит банку. |
Исследование объявлений о продаже квартир | Аналитика |
По данным сервиса Яндекс.Недвижимость — архиву объявлений о продаже квартир в Санкт-Петербурге и соседних населённых пунктах за несколько лет нужно научиться определять рыночную стоимость объектов недвижимости. |
Статистический анализ данных (Телеком) | Аналитика |
Заказчик — федеральный оператор сотовой связи «Мегалайн». Предмет исследования два тарифных плана: «Смарт» и «Ультра». Предстоит сделать предварительный анализ тарифов на небольшой выборке клиентов. Необходимо проанализировать поведение клиентов и сделать вывод — какой тариф лучше. |
Прогноз рекламной кампании | Аналитика |
По историческим данным о продажах игр, оценок пользователей и экспертов, жанров и платформ (например, Xbox или PlayStation). Нужно выявить определяющие успешность игры закономерности. Это позволит сделать ставку на потенциально популярный продукт и спланировать рекламные кампании. |
Прогноз подходящего тарифа моб. оператора |
Классификация Модели: DecisionTreeClassifier RandomForestClassifier LogisticRegression |
По данным о поведении клиентов нужно построить модель для задачи классификации, которая выберет подходящий тариф. |
Прогноз оттока клиентов банка |
Классификация Модели: DecisionTreeClassifier RandomForestClassifier LogisticRegression |
Из «Бета-Банка» стали уходить клиенты. Каждый месяц. Немного, но заметно. Банковские маркетологи посчитали: сохранять текущих клиентов дешевле, чем привлекать новых. Нужно спрогнозировать, уйдёт клиент из банка в ближайшее время или нет по историческим данным о поведении клиентов и расторжении договоров с банком. |
Прогноз прибыли нефтянных скважин |
Аналитика Модели: LinearRegression |
В добывающей компании «ГлавРосГосНефть» нужно решить, где бурить новую скважину. Предоставлены пробы нефти в трёх регионах: в каждом 10 000 месторождений, где измерили качество нефти и объём её запасов. Необходимо построить модель машинного обучения, которая поможет определить регион, где добыча принесёт наибольшую прибыль. |
Прогноз коэффициента восстановления золота из золотосодержащей руды |
Аналитика Модели: RandomForestRegressor LinearRegression DecisionTreeRegressor |
Компания разрабатывает решения для эффективной работы промышленных предприятий. Модель поможет оптимизировать производство, чтобы не запускать предприятие с убыточными характеристиками. |
Защита данных |
Линейная алгебра Модели: LinearRegression |
Нужно защитить данные клиентов страховой компании «Хоть потоп». Необходимо разработать такой метод преобразования данных, чтобы по ним было сложно восстановить персональную информацию. Нужно защитить данные, чтобы при преобразовании качество моделей машинного обучения не ухудшилось. |
Прогноз рыночной стоимости автомобиля |
Аналитика Модели: LGBMRegressor CatBoostRegressor LinearRegression RandomForestRegressor |
Сервис по продаже автомобилей с пробегом «Не бит, не крашен» разрабатывает приложение для привлечения новых клиентов. В нём можно быстро узнать рыночную стоимость своего автомобиля. По историческим данным: техническим характеристикам, комплектации и цены автомобилей нужно построить модель для определения стоимости автомобиля. |
Прогноз количества заказов такси |
Временные ряды Модели: LGBMRegressor CatBoostRegressor LinearRegression RandomForestRegressor |
Компания «Чётенькое такси» собрала исторические данные о заказах такси в аэропортах. Чтобы привлекать больше водителей в период пиковой нагрузки, нужно спрогнозировать количество заказов такси на следующий час. Необходимо построить модель для такого предсказания. |
Разметка токсичных комментариев |
Аналитика текста Модели: CatBoostClassifier LGBMClassifier LogisticRegression |
Интернет-магазин «Викишоп» запускает новый сервис. Теперь пользователи могут редактировать и дополнять описания товаров, как в вики-сообществах. То есть клиенты предлагают свои правки и комментируют изменения других. Магазину нужен инструмент, который будет искать токсичные комментарии и отправлять их на модерацию. |
Компьютерное зрение (возраст) |
Аналитика Модели: ResNet50 |
Сетевой супермаркет «Хлеб-Соль» внедряет систему компьютерного зрения для обработки фотографий покупателей. Фотофиксация в прикассовой зоне поможет определять возраст клиентов, чтобы: - Анализировать покупки и предлагать товары, которые могут заинтересовать покупателей этой возрастной группы; - Контролировать добросовестность кассиров при продаже алкоголя. |
Финальный проект Яндекс Практикум. Тема «Промышленность» |
Аналитика Модели: LGBMRegressor CatBoostRegressor RandomForestRegressor LinearRegression |
Чтобы оптимизировать производственные расходы, металлургический комбинат ООО «Так закаляем сталь» решил уменьшить потребление электроэнергии на этапе обработки стали. Предстоит построить модель, которая предскажет температуру стали. |
Foodgram | Python, Django, Docker, PostgreSQL, Nginx, Guinicorn |
Дипломный проект курса Яндекс.Практикум (backend разработка). Пользователи могут создавать рецепты, добавлять чужие рецепты в избранное, подписываться на других авторов. Есть возможность распечатывать список ингридиентов для покупки по выбранным рецептам. |
Yatube | Python, Django, Git, Bootstrap, SQLite |
Проект блога: - можно создавать / редактировать / комментировать посты с картинками, - присваивать постам заданные категории, - управлять подпиской на авторов. Реализовано кэширование: работает на главной странице и обновляется раз в 20 секунд. Созданы unit-тесты. |
YaMDb | Python, Django, Git, SQLite |
Проект выполнен в учебных целях в работе с API (DRF). Проект собирает отзывы пользователей на произведения. Произведения делятся на категории («книги», «музыка», «фильмы»), список категорий может быть расширен. Произведению может быть присвоен жанр из списка предустановленных. При создании отзыва есть возможность поставить оценку, на основе оценок пользователей формируется рейтинг. |
Telegram-bot | Python |
Основан на запросах к API, отправляет текущий статус код-ревью, развёрнут на Heroku. |