Меня зовут коротко — дата-сайентист, а по сути я тот человек, к которому приходят, когда данных много, а толку от них пока ноль. Ко мне попадают экспорты из CRM, выгрузки складского учёта, потоки событий с сайта — всё то, что копилось годами и лежало мёртвым грузом. Клиент обычно формулирует запрос простыми словами: подскажи, что случится через месяц, или помоги понять, кого из клиентов мы вот-вот потеряем. Я беру этот хаос, разбираю его на Python с помощью pandas и NumPy, вычищаю дубли и пропуски, разбираюсь в природе каждой колонки — и только после этого сажусь за модель, которой не стыдно доверить реальные деньги.
За плечами у меня прогнозы продаж и загрузки, детекторы аномалий и мошеннических операций, скоринговые классификаторы и рекомендательные механики, которые аккуратно повышают повторные покупки. Инструмент подбираю под задачу, а не под моду: чаще всего это scikit-learn и градиентный бустинг на табличных данных, нейросети — лишь когда они дают ощутимый прирост. Отдельно вкладываюсь в честность проверки: раздельные выборки, контроль утечек признаков, метрики, привязанные к реальной стоимости ошибки. Красивое число в тетрадке меня не интересует — интересует модель, которая держится в бою.
Главное, за что меня рекомендуют дальше, — я говорю на языке заказчика, а не на языке формул. По итогам работы вы получаете не только обученную модель и воспроизводимый пайплайн, но и разложенный по полочкам отчёт с графиками и трезвым описанием границ применимости. Разовая задача, регулярный расчёт или аудит чужого решения — подойду ответственно и верну то, чем можно пользоваться без опаски.
— Подготовка данных и генерация признаков: Python, pandas, NumPy
— Прогнозирование временных рядов: продажи, загрузка, остатки
— Задачи классификации: отток, антифрод, скоринг, оценка рисков
— Построение рекомендательных систем и персонализации
— Обучение и тюнинг моделей на scikit-learn и бустинге с честной валидацией
— Отчёты, графики и дашборды на языке, понятном бизнесу
За плечами у меня прогнозы продаж и загрузки, детекторы аномалий и мошеннических операций, скоринговые классификаторы и рекомендательные механики, которые аккуратно повышают повторные покупки. Инструмент подбираю под задачу, а не под моду: чаще всего это scikit-learn и градиентный бустинг на табличных данных, нейросети — лишь когда они дают ощутимый прирост. Отдельно вкладываюсь в честность проверки: раздельные выборки, контроль утечек признаков, метрики, привязанные к реальной стоимости ошибки. Красивое число в тетрадке меня не интересует — интересует модель, которая держится в бою.
Главное, за что меня рекомендуют дальше, — я говорю на языке заказчика, а не на языке формул. По итогам работы вы получаете не только обученную модель и воспроизводимый пайплайн, но и разложенный по полочкам отчёт с графиками и трезвым описанием границ применимости. Разовая задача, регулярный расчёт или аудит чужого решения — подойду ответственно и верну то, чем можно пользоваться без опаски.
— Подготовка данных и генерация признаков: Python, pandas, NumPy
— Прогнозирование временных рядов: продажи, загрузка, остатки
— Задачи классификации: отток, антифрод, скоринг, оценка рисков
— Построение рекомендательных систем и персонализации
— Обучение и тюнинг моделей на scikit-learn и бустинге с честной валидацией
— Отчёты, графики и дашборды на языке, понятном бизнесу
