Сегментация пользователей для увеличения конверсии в партнерских программах: ● Выделил признаки по 2М+ пользователям на основе данных об активности (просмотры, клики, конверсии). ● Cнизил размерность данных с 300+ до 20 признаков, ускорив обучение моделей в 2 раза. ● Иерархически кластеризовал пользователей на 15 ключевых сегментов. ● Интерпретировал кластеры с помощью деревьев решений (PySpark MLlib), дополнительно обучил CatBoost для выявления нелинейных зависимостей. ● Внедрил результаты моделирования в Excel с интераткивными дашбордами. ● Провел A/B тестирование сегментированной рассылки, подтвердив рост CTR в группе B на 8%. ● Результат: Увеличение точности прогнозных моделей на 4% за счет обогащения данных кластерными метками.

Разработка модели прогнозирования спроса на авиабилеты: ● Разработал и внедрил модель прогнозирования спроса на авиабилеты с использованием PyTorch transformers, превзошедший ARIMA и Prophet по точности на 15% (MAPE: 8.2% -> 6.9%). ● Провел комплексный анализ и визуализацию данных с использованием Matplotlib и Seaborn (ТОП драйверы спроса: сезонные паттерны (пики перед праздниками) и география запросов). ● Разработал Streamlit-приложение с возможностью прогнозировать спрос на заданный период с учетом пользовательских сценариев (выбор класса обслуживания, даты, места вылета и посадки).

● Фич инжиниринг. ● Обработка данных. ● Кластеризация. ● A/B тестирование.

● Аннотировал наборы данных изображений с помощью VGG Image Annotator. ● Работал с Python и Pandas для подготовки и обработки данных. ● Сотрудничал с исследователями для разработки новых методов обработки данных и повышения качества аннотированных наборов.