← В ленту
Регистрация: 23.07.2025

Исса Чирагов

Специализация: ML Engineer
Python SQL Git Spark Matplotlib Tensorflow pandas NLP Seaborn Keras Нейронные сети Computer Vision
Python SQL Git Spark Matplotlib Tensorflow pandas NLP Seaborn Keras Нейронные сети Computer Vision

Портфолио

Выбор локации для скважин

● На основании данных компании из трех регионов, в каждом из которых представлены данные 10 000 месторождений, построил модель машинного обучения, которая помогла определить регион, где добыча принесёт наибольшую прибыль. Стэк: Python, Pandas, Sklearn, LinearRegression.

Прогнозирование температуры звезды

● Внедрил технологию машинного обучения для предсказания температуры звёзд. ● Анализировал базу с характеристиками уже изученных 240 звёзд. Стек: Python, Pandas, NumPy, Seaborn, Matploplib, Column Transformer, Pipeline, torch (Adam).

Анализ комментариев для интернет-магазина

● Разработал модель машинного обучения, которая помогла онлайн-магазину определить, где комментарии токсичны, а где нет. Модель создана на основании данных с разметкой о токсичности правок. Стек: Python, Pandas, NumPy, Sklearn, Spacy, nltk, LogisticRegression, SGD, DecisionTree, CatBoost.

Скиллы

SQL
Python
NLP
NLTK
Neural networks
Computer vision
Spark
Matplotlib
TensorFlow
Pandas
Seaborn
Keras
Time Series Forecasting
Classification
Regression
Clustering

Опыт работы

ML разработчик
с 02.2024 - По настоящий момент |NDA
Python, Pandas, NumPy, Seaborn, Matploplib, Column Transformer, Pipeline, torch (Adam).
Освоил: ● Основные навыки Python (списки, словари, циклы, функции и пр.) для автоматизации отчетов и анализа данных. ● Выборку данных с помощью Pandas, NumPy. ● Проверку гипотезы с помощью Scipy. ● Визуализацию результаты посредством matplotlib, seaborn (боксплоты, гистограммы, графики). ● Библиотеку Keras в задачах по классификации изображений.
Разработчик
04.2015 - 06.2017 |Система векторных измерений в системе мониторинга инфраструктуры дальневосточной железной дороги
NI Labview, NI CompactDAQ, NI myRio, MathCad.
Задачи: ● Реализовать систему векторных измерений в технологии Smart Grid на контактной сети, и её реализация на разработанном лабораторном стенде, который моделирует участок контактной сети на железной дороге. ● Анализ данных по напряжению, поступающих с двух соседних трансформаторных подстанций, и принятие решение о включении вольтодобавки в сеть для устранения разности напряжений между этими подстанциями. Достижения: ● Разработал испытательный стенд, который моделирует работу контактной сети. ● Изучил и предобработал данные полученные в результате работы испытательного стенда. ● Построил дашборд с результатами исследований. ● Разработал рекомендации для работы контактной сети на основе показателей дашборда. ● После реализации проекта уравнительный ток контактной сети на разработанном лабораторном снизился в 5 раз.

Образование

Инженера путей сообщения
2012 - 2017
Дальневосточный Государственный Университет Путей Сообщения

Языки

АнглийскийВыше среднего