● Excel. ● Сопровождение проектов. ● Контроль качества и актуальности данных. ● Отчетность.

Intelligent Document Processing. ● Разработка библиотеки для всех ниже перечисленных процессов. ● Оптимизация процесса хранения и управления данными в большой ML команде. ● Управление проектами по разметке данных для Machine Learning задач. Планирование и координация всех этапов. ● Оптимизация процессов разметки данных. Анализ текущих процессов и внедрение улучшений для повышения производительности и качества данных. ● Взаимодействие с командами бизнеса, ML engineers, разработки и разетчикам. ● Обеспечение качества данных. Разработка и внедрение методик для контроля качества разметки данных и минимизации ошибок. ● Автоматизация процессов на Python. Автоматизация процессов сборки SFT датасетов, разметки и построения отчетов. ● Построение дэшбордов и графиков (python, matplotlib, pyplot, seaborn).

Вела лекции по двум направлениям: 1. Машинное обучение (классические модели, компьютерное зрение). 2. Python (с последующим изучением аналитики данных, sql, классических моделей машинного обучения).

● Есть опыт построения моделей машинного обучения (CatBoost, XGBoost, LightGBM, RandomForest, GRU, LSTM). ● А также исследование и сравнение подходов классического ML и нейронных сетей к задаче предсказания дохода клиента по его транзакциям (timeseries). ● Оптимизация гиперпараметров у boosting моделей с помощью optuna, hyperopt. ● Подготовка и выгрузка данных с помощью SAS, DBeaver. ● Проверка контрагентов (исследование влияния модели от сторонней компании на наш внутренний score). ● Проверка на разных сегментах стабильности (PSI), uplift GINI к старой модели, Hit Rate по времени и сегментам. ● Парсинг цен на онлайн прощадке для сдачи и съема жилья по месту жительства с дальнейшим использованием этих даннных для прогнозирования зарплаты человека. ● Написание библиотеки для валидации модели.