28 ноября приходите на новый хабрасеминар. В этот раз мы поговорим про HR-бренд, создающий образ компании, привлекательный для будущих сотрудников. Подробности и регистрация
Обо мне

На последнем курсе университета познакомился со сферой Data science and Machine learning благодаря преподавателю из Computer Science Center (https://youtu.be/8mwJ3mEjdIg), изучил основы анализа данных на языке R.

Эта сфера деятельности увлекла меня и с тех пор я прилагаю все усилия, чтобы всесторонне изучить и применять на практике Машинное обучение. В магистратуре я продолжил изучение Машинного обучения, но уже на языке Python, курс по которому провёл один из разработчиков сервиса Яндекс.Толока.

Мне нравится работать с большими объёмами информации, решать сложные, замысловатые задачи, работать в команде и добиваться результата. Предпочитаю работу в режиме многозадачности, что позволяет не вдаваться в рутину и не терять энтузиазм к работе.

Помимо этого я увлекаюсь музыкой и в 2020 году окончу музыкальную школу по классу 'гитара', кроме того люблю занятия спортом и ранее много лет профессионально занимался лёгкой атлетикой.
Являюсь одним из участников крупнейшего сообщества Data Science в России - Open Data Science и люблю в свободное время учиться и улучшать личные и профессиональные навыки.

Обладаю аналитическим складом ума, внимателен при работе с данными, люблю при работе задавать вопросы, вдаваться в суть задач и проявлять инициативу. Готов к тестовым заданиям.





Участие в профессиональных сообществах
Опыт работы
В МегаФоне мы создаем будущее, доступное каждому, используя современные стеки технологий и анализ больших данных.
Санкт-Петербург
Специалист по обработке и анализу данных
Февраль 2019 — По настоящее время (10 месяцев)

- работа с бизнес требованиями (перевод требований руководства в задачу машинного обучения);
- осуществление выгрузок из систем хранения данных (Oracle, Hadoop), формирование выборки;
- первичная обработка и визуализация данных;
- выдвижение и проверка гипотез, регулярное общение с бизнесом, определение метрик качества;
- построение моделей, введение модели в эксплуатацию (CRON), сбор результатов и работа с экспертами;
- были построены модели восстановления временного ряда, поиска аномалий и их классификации;
Модели были написаны на языке Python, так же использовался язык запросов SQL (PL/SQL), для распределённых вычислений на кластере использовался фреймворк Apache Spark.

В результате работы удалось:
- создать систему нахождения и классификации отклоняющихся значений различных KPI;
- получить точность предсказания значений KPI от 80% до 93%;
- снизить время отклика эксперта на отклонения в показателях;
- выявить долгосрочные отклонения показателей;

В процессе разработки также планируется:
- сократить число или перевести на иные задачи экспертов, занимающихся мониторингом показателей (после сбора обратной связи по работе системы);
- выстроить систему мгновенного реагирования на критические изменения показателей.

Целью проекта является улучшение показателей LTV за счёт выявления и устранения проблем на сети до момента поступления жалоб от пользователей.

Платформа для покупки и продажи рекламного трафика, над которой работает единая команда разработчиков
Санкт-Петербург
Младший аналитик
Июнь 2018 — Октябрь 2018 (5 месяцев)

- работа с бизнес требованиями (перевод требований руководства в задачу машинного обучения);
- оптимизация рекламных кампаний;
- ежедневная аналитика статистических показателей;
- разработка различных моделей оптимизации бидов на торгах, расчёта CPM, отсеивания невыгодных покупателей на RTB торгах;
- организация A/B теста с целью поиска наиболее эффективного рекламного формата;
- проверка гипотез о статистической значимости результатов внедрения тех или иных методик;
- работа с базами данных (в основном ClickHouse): осуществление выгрузок, визуализация данных и составление отчётов по необходимым показателям.

RSQL
Мы работаем в сфере IT с крупнейшими рекламными сетями интернета.
Санкт-Петербург
Стажер-аналитик
Март 2018 — Июнь 2018 (4 месяца)

В данном предприятии я проходил стажировку от университета.
Целью стажировки явилось изучение эффективности политики осуществления ставок на торгах за пользователей приложений Apple Store, победа в которых позволяла осуществить показ контекстной рекламы пользователю.

В рамках практики мной были выполнены следующие задачи:
- изучение данных по целевой аудитории: определение характеристик аудитории, доли выкупленных бидов и эффективность победы на торгах, определение лучших приложений для показа контекстной рекламы целевой аудитории (с наименьшими затратами и наилучшим результатом);
- кластеризация приложений для выявления класса приложений, победа в которых приносит компании наибольший доход, определение характеристик приложений.

Результаты стажировки:
- оценка эффективности осуществляемой политики торгов за пользователей, определение её сильных и слабых сторон;
- формирование приоритетных направлений политики торгов для повышения ключевых показателей (кликов по рекламе и последующей загрузки приложений);
- была выявлена возможность улучшения показателя доли кликов по рекламному предложению с 8% до 16% и увеличения доли загрузок до 1% (при первоначальной доле в сотые процента).

Высшее образование
Санкт-Петербургский государственный экономический университет
Санкт-Петербург
Факультет: Факультет информатики и прикладной математики
Сентябрь 2013—Июль 2019 (5 лет и 10 месяцев)
Бакалавриат: Математические методы в экономике Магистратура: Прикладная математика и информатика