● Объединил и перенёс в репозиторий сбор признаков, создание датасетов, предобработку данных, обучение и скоринг моделей с использованием recsys‑feature‑store, Docker, CI/CD и Airflow, благодаря чему удалось автоматизировать ежемесячные запуски и значительно сократить время подготовки данных. ● Для генерации новых фичей исследовал неиспользуемые источники данных, добавил новые статистические lag‑фичи и с помощью рекурсивного feature selection выявил и расширил наиболее значимые признаки за более длительный период, увеличив общее число фичей с 150 до 190, из которых 5 попали в топ‑10 по значимости. ● Реализовал методику на основе K‑S статистики для выявления смещений распределений между обучающими и скоринговыми датасетами, устранив обнаруженные проблемы и повысив стабильность модели. ● Провёл серию экспериментов по интеграции признаков из полной истории транзакций в других сервисах для улучшения предсказаний для новых пользователей, выявив направления для дальнейших исследований.