ML. Реализовал весь путь от сбор данных до деплоя моделей: ● YOLO (классификация) -> за счёт реализованной модели удалось снизить количество ошибок в карточках товарах, что повлияло на CTR определённых позиций. ● YOLO (bounding box) -> с помощью модели искал в прикладываемых фото в комментариях нежелательный контент, чтобы в дальнейшем его удалять. Как результат, практически полностью исчезли жалобы от пользователей на подобные фото. ● CatBoost -> модель регрессии для предсказания нагрузки на внутренние системы. Позволило эффективнее использовать внутренние системы, перераспределяя нагрузку. ● Кластеризация - использовал для BI аналитики, которая в дальнейшем использовалась для построения гипотез и предсказаний. Аналитика. ● Проведение разведочного анализа и исследований по влиянию контента на метрики (прокси, бизнес) -> несколько раз сменили формат съёмки товаров на студии, добавили новые элементы, убрали лишний контент, добавили новые фильтры. Положительно сказалось на пользовательском опыте и привело к увеличению прокси-метрик. Разработка. ● Написание парсеров с API для улучшения контента. ● Написание обработчиков ошибок контента -> улучшил выдачу товаров по фильтрам. ● Написание обработчиков для групп товаров -> улучшил CTR добавления товара в корзину. Внутреннее обучение сотрудников (Python, Pandas). ● Убедил начальство в необходимости внедрения Python в работу. После получения доступа к корпоративному Jupyter, занимался обучением сотрудников. Это позволило быстрее выполнять поставленные задачи, автоматизировать часть процессов и полностью отказаться от SAP BO.