Аналітик із комерційним та дослідницьким досвідом. Працюю з повним циклом аналітичного процесу: від підготовки та предоброблення даних до статистичного аналізу, застосування методів машинного навчання, візуалізації результатів і автоматизації регулярної звітності. Маю досвід розроблення ML-рішень – від постановки завдання та підготовки даних до впровадження та оцінювання моделей, інтерпретації результатів та інтеграції аналітичних компонентів в інформаційні системи.

• ТЕХНІЧНИЙ СТЕК
  • Робота з даними: Python; Pandas, NumPy – підготовка, очищення, трансформація та аналіз даних; SciPy – статистичний аналіз; Excel, Power Query – додаткова підготовка та трансформація даних;
  • Бази даних: PostgreSQL, SQLite; SQL – вибірка, фільтрація, агрегація та об’єднання даних; робота з БД засобами Python;
  • Машинне навчання та нейронні мережі: scikit-learn, XGBoost, imbalanced-learn, HDBSCAN – машинне навчання та кластеризація; PyTorch, TensorFlow – нейронні мережі та глибинне навчання; OpenCV – комп’ютерний зір, обробка зображень і відеопотоку;
  • Візуалізація та представлення результатів: Power BI, Matplotlib, Plotly; PowerPoint – підготовка презентацій і представлення результатів;
  • Робочі середовища та спеціалізоване ПЗ: VS Code; Docker – базовий практичний рівень, MMW Markdata;
  • Операційні системи: Windows, Arch Linux; практичний досвід декларативного налаштування системи, робочого середовища та розгортання програмного оточення в NixOS.

• КЛЮЧОВІ КОМПЕТЕНЦІЇ
  • збір, очищення, структурування, агрегування та підготовка даних;аналіз масивів у різних зрізах, пошук закономірностей, аномалій і взаємозв’язків між змінними;
  • формування аналітичних показників і метрик відповідно до бізнес- та дослідницьких завдань;
  • методи supervised та unsupervised ML (класифікація, кластеризація, регресія) та статистичний аналіз;
  • побудова, валідація та оцінювання ML-пайплайнів, інтерпретація результатів;
  • автоматизація обробки даних, розрахунків і регулярної аналітичної звітності;
  • участь у проєктуванні та реалізації інформаційних технологій – від формування вимог і архітектури рішення до інтеграції аналітичних (ML) компонентів і перевірки роботи системи;
  • візуалізація, інтерпретація та представлення результатів аналізу з адаптацією подачі під різні аудиторії.