← В ленту
Регистрация: 19.01.2026

Степан Зайцев

Специализация: AI/ML-инженер / Аналитик
— AI/ML-инженер с опытом разработки моделей машинного обучения, компьютерного зрения и NLP, включая практические проекты и коммерческие задачи. — Умею подготавливать данные, выстраивать эксперименты, обучать и внедрять модели, а также оптимизировать процессы на основе данных. — Обладаю сильными аналитическими навыками, инженерным подходом и опытом командной работы.
Python SQL pandas Matplotlib scikit-learn Tensorflow Keras PyTorch OpenCV NLP Docker Git Excel Agile Waterfall GitLab Управление людьми Joint.js Scrum Deep Learning Power BI
— AI/ML-инженер с опытом разработки моделей машинного обучения, компьютерного зрения и NLP, включая практические проекты и коммерческие задачи. — Умею подготавливать данные, выстраивать эксперименты, обучать и внедрять модели, а также оптимизировать процессы на основе данных. — Обладаю сильными аналитическими навыками, инженерным подходом и опытом командной работы.
Python SQL pandas Matplotlib scikit-learn Tensorflow Keras PyTorch OpenCV NLP Docker Git Excel Agile Waterfall GitLab Управление людьми Joint.js Scrum Deep Learning Power BI

Портфолио

Оценка силы футбольных тренеров в Google Sheets

- проанализировал >7 000 матчей - разработал методику оценки тренеров на основе отклонения реального результата от ожидаемого и количества трофеев - сформировал рейтинг тренеров за последние 5 сезонов Стек: ARRAYFORMULA, BYROW, MMULT; FILTER, UNIQUE, QUERY; Google Apps Script

Оценка футболистов-претендентов на Золотой мяч с помощью продвинутой статистики в Google Sheets

- сформировал рейтинги претендентов на Золотой мяч за последние 7 сезонов - определил ключевые показатели и коэффициенты по трём критериям: индивидуальная статистика, командные трофеи и персональные награды

Оценка трансферов футболистов с помощью продвинутой статистики в Google Sheets

- разработал методику оценки трансферов на основе цены, игровых метрик, зарплаты и дополнительных показателей (подходит как основа для обучения модели) - сформировал рейтинг самых удачных и неудачных переходов

Прогнозирование результатов футбольных матчей с использованием методов линейной регрессии

- достиг точности предсказания счёта матчей 13% (в 6,5 раз выше случайного угадывания) - выявил ключевые признаки, влияющие на результат матча - создал итоговую таблицу сезона на основе предсказаний модели Стек: pandas, numpy, soccerdata, scikit-learn (Linear/Ridge/Lasso, Tree, RandomForest, GradientBoosting), TensorFlow, Keras, matplotlib

Создание системы для обработки больших данных из каталогов и прайс промышленной инструментальной оснастки

- протестировал распознавание изображений на базе LLM Qwen - сократил ручной ввод и сопоставление данных на ~80% - уменьшил сроки загрузки новых каталогов и обновления прайс-листов — с нескольких дней до нескольких часов Стек: cv2, PIL, numpy; PaddleOCR, EasyOCR, Tesseract; pandas, re; transformers, torch, Qwen2VLForConditionalGeneration, qwen_vl_utils

Скиллы

Python
Excel
Machine Learning

Опыт работы

AI/ML-инженер
Реф-проект «Прогнозирование результатов футбольных матчей с использованием методов линейной регрессии»
pandas, numpy, soccedata, scikit-learn (Linear/Ridge/Lasso, Tree, RandomForest, GradientBoosting), TensorFlow, Keras, matplotlib, joblib, tqdm, mean_absolute_error, r2_score.
● Достиг точности предсказания счёта матчей 13% (в 6,5 раз выше случайного угадывания). ● Выявил ключевые признаки, влияющие на результат матча. ● Создал итоговую таблицу сезона на основе предсказаний модели.
AI/ML-инженер
Проект «Создание системы с использованием технологий искусственного интеллекта для обработки больших данных из каталогов и прайс-листов промышленной инструментальной оснастки» (ООО «СЛТ»
cv2, PIL, numpy; PaddleOCR, EasyOCR, Tesseract; pandas, re; transformers, torch, Qwen2VlForConditionalGeneration, qwen_vl_utils; IPython.display.
● Протестировал распознавание изображений на базе LLM Qwen. ● Сократил ручной ввод и сопоставление данных на ~80%. ● Уменьшил сроки загрузки новых каталогов и обновления прайс-листов — с нескольких дней до нескольких часов.
AI/ML-инженер
По 10.2025 |Реф-проект «Оценка футболистов-претендентов на Золотой мяч с помощью продвинутой статистики в Google Sheets»
ARRAYFORMULA, BYROW, MMULT; FILTER, UNIQUE, QUERY; Google Apps Script
● Сформировал рейтинг претендентов на Золотой мяч за последние 7 сезонов. ● Определил ключевые показатели и коэффициенты по трём критериям: индивидуальная статистика, командные трофеи и персональные награды.
AI/ML-инженер
Реф-проект «Оценка силы футбольных тренеров в Google Sheets»
ARRAYFORMULA, BYROW, MMULT; FILTER, UNIQUE, QUERY; Google Apps Script
● Проанализировал >7 000 матчей. ● Разработал методику оценки тренеров на основе отклонения реального результата от ожидаемого и количества трофеев. ● Сформировал рейтинг тренеров за последние 5 сезонов.
Middle-аналитик
Оптимакрос
Маркетинг, аналитика, планирование
● Организовал полный цикл локализации IT-продукта (интерфейс, документация, маркетинг, обучение), внедрив процессы, которые сократили сроки проектов на 40% и снизили затраты в 2 раза при повышении качества. ● Управлял командой из 7 человек разных ролей: переводчики, аналитики, проектные менеджеры. ● Получил сертификат middle-аналитика Optimacros и разработал 3 демонстрационных финансовых модели. ● Участвовал в проекте финансового планирования для крупной строительной компании, работая с большими массивами данных.
Ведущий аналитик
BGS Group
KPI, автоматизация процессов, координация команды
● Внедрил систему мониторинга KPI, обеспечив контроль эффективности в реальном времени. ● Автоматизировал процессы учёта регистраций и рассылок, снизив время на рутину на 25%. ● Отмечен наградами «Аналитик года» (2020) и «Аналитик месяца» (2019) за лучшие показатели. ● Координировал команду аналитиков из 6 человек, повысил их показатели в 5 раз.

Образование

AI/ML-разработчик
По 2025
Университет искусственного интеллекта
Лингвистика и перевод
2014 - 2018
Южно-Уральский государственный университет. Институт лингвистики и международных коммуникаций

Языки

АнглийскийСвободно владеюРусскийРодной