Data Scientist / Machine Learning Engineer / Специалист по работе с данными

Описание

+375 2 9 6 0 17 9 5 8
sv ch erk a s@ gm ail . c o m
@ sv _ ch erk a s
Я зы ки п рогр ам мирован ия : P yth on , R
Б азы д ан ны х: S upab ase , M on goD B, P ostg re S Q L,
M yS Q L, M in io
D ata : M L, D L, N N, O pen C V, N LP , L LM , T ra n sfo rm er,
S cik it - le arn , P an das, N um Py, n lt k , T en so rF lo w , K era s,
P yT orc h , O N NX, C atB oost, X G Boost, S park , A rim a,
S arim a, M atp lo tlib , S eab orn , P yd an tic , B eau tif u l S ou p,
R eq u ests , S ele n iu m , T ab le au , P ow er B I
D ev O ps : D ocke r, G it , G it H ub, G it L ab , F la sk , F astA pi,
J IR A , W SL, A W S, S tre am lit , a io g ra m , t e le b ot, a sy n cio ,
aio h ttp
С ветл ан а Ч ер касData A naly st / D ata S cie n tis t К О Н ТА КТЫ /О П Ы Т Р А БО ТЫ /H ARD S KIL LS /О БР А ЗО ВА Н И Е /sv ch erk a sS via tla n a C hark a s
D ata S cie n ce ( Ш ко л а п р огр ам мирован ия T each M eS kil ls ,
с е р ти ф ика т , д ека б р ь 2 0 22 - н ояб р ь 2 0 23 )
D ata S cie n ce , м аш инное о б уч ен ие, P yth on , S Q L
(S te p ik , с е р ти ф ика т , о ктя б р ь 2 0 22 - м ар т 2 0 23 )
С та ти сти ка ( Б ГЭ У , б ака л ав р , с е н тя б р ь 1 9 96 - и ю ль
2 0 01)
А нгл и йски й я зы к - А 2
Н ем ец ки й я зы к - B 1
Pet- п роек ты
С та ж ировк а (D ata S cie n tis t) я н вар ь 2 0 24 - н асто ящ ее в р ем я
M VP R ealt A I – те л егр ам м-б от д ля п ои ска н ед ви ж им ости с и сп ол ьз о ван ием иск усств ен ного и нте л лек та .
Э та п ы р аб оты :
п ар си нг и в ал и дац ия д ан ны х ;
п ай плай н д ан ны х и п р ед об р аб отк а п р оп ущ ен н ы х з н аче н ий и в ы бр осо в ;
о б уч е н ие м од ел и д ля п р ед ска за н ия ц ен н а н ед ви ж им ость и инте гр ац ия м од ел и и LLM в т е л егр ам -б ота ;
р асш ирен и е ф ун кц ион ал а б ота : у п р ав л ен ие и зб р ан ны ми о б ъяв л ен иям и и о п овещ ен ие , м он ети за ц ия;
м ул ьт и язы чн ая п од дер ж ка .
И сп ол ьзу е м ы е т е хн ол оги и: P yth on , M L, S upab ase , M on goD B, M in io , L LM (м од ел ь P hi- 3 ) , a io g ra m , a sy n cio , a io h ttp ,
FastA pi, D ocke r, G it la b , A ir f lo w , J IR A .
,
С сы лка н а пр оект h ttp s:/ /w w w.lin ke d in .c o m /in /s v ia tla n a-c h ark a s-3 b8 6b525 7/re ce n t- a ctiv it y /a ll/
Н ац ион ал ьн ы й с та ти сти ческ и й к о м ите т
D ata A naly st (к о н сул ьт а н т) м ар т 2 0 08 - н асто ящ ее в р ем я
Обяза н ности :
р азр аб аты ваю и с о вер ш ен ств ую с та ти сти че ску ю м ето д ол оги ю в о б ласти с та ти сти ки п р ом ы ш лен ности ;
го то вл ю те хн иче ски е за д ан ия для эл ектр он ной об р аб отк и пер ви чн ы х ста ти сти че ски х дан ны х и рас че та
с та ти сти че ски х п ока за те л ей ;
еж ед н ев н ая п од го то вка с в о д н ы х о тч е то в и а н ал и з д ан ны х п о п р ед пр и яти ям , р ай он ам р есп уб ли ки , о б ластя м и
в и дам э ко н ом иче ско й д еяте л ьн ости д ля р уко во д ств а и о р га н ов г о суд ар ств ен ного у п р ав л ен ия;
с тр оги е д ед лай ны , р аб ота в к о м ан де.
Д ости ж ен и я:
вн ед ри ла а л го р и тм ы н а R д ля а в то м ати за ц ии ф ор м ирован ия а н ал и ти че ски х т а б ли ц , ч то с о кр ати ло в р ем ен ны е
ресур сы н а 3 0 0% , у м ен ьш ило т р уд оза тр аты н а 6 0 % и м иним изи ровал о о ш ибки ;
оп ти м изи ровал а а н ал и з д ан ны х, п овы си в т о чн ость д ан ны х и с о кр ати в в р ем я п од го то вки о тч е то в н а 4 0 % , ч то
п р и вел о к б ол ее о п ер ати вн ом у п р и няти ю р еш ен ий р уко во д ств о м ;
и нте гр ац ия б аз д ан ны х: с о б р ал а и о б ъед и нила б азы д ан ны х и з р азл и чн ы х у п р ав л ен ий, с о зд ав е д и ны й с в о д н ы й
отч е т с и сп ол ьз о ван ием R , ч то у п р ости ло а н ал и з и у л уч ш ило к а че ств о и то го вы х д ан ны х.

Pet- p ro je ct ( D ata S cie n tis t) н ояб р ь 2 0 23 - де ка б р ь 2 0 23
С озд ан ие т е л егр ам -б ота д ля и зу ч е н ия н ем ец ки х г л аго л ов с и нте р акти вн ы ми у п р аж нен иям и и о зв у ч и ван ием .
Э та п ы р аб оты :
о пр ед ел ен ие у р овн ей с л ож ности и р азр аб отк а б азы д ан ны х;
с о ста в л ен ие и о б р аб отк а д ата се та г л аго л ов д ля р азн ы х у р овн ей в л ад ен ия я зы ко м ;
реал и за ц ия у п р аж нен ий и и нте гр ац ия о зв уч и ван ия;
те сти рован ие и з а п ус к б ота .
И сп ол ьзу ем ы е т е хн ол оги и: P yth on , t e le b ot, g TTS , p ytts x 3 .
С сы лка н а п роек т: h ttp s:/ /g it h ub.c o m /s v ch erk a s/V erb _ deu ts c h
P et- p ro je ct ( D ata S cie n tis t) с е н тя б р ь 2 0 23 - н ояб р ь 2 0 23
Р азр аб отк а т е л егр ам м-б ота д ля р асп озн ав ан ия п р од укто в и п од бор а р ец еп то в.
Э та п ы р аб оты :
с бор р еал ьн ы х д ан ны х с п ом ощ ью B eau tif u l S ou p, R eq u ests ;
о чи стк а и п р ед об р аб отк а д ан ны х и сп ол ьз у я б и бли оте ку n lt k ;
п р и м ен ен а м од ел ь а в то м ати че ско го п ер ев о д а с р ус ско го н а а н гл и йски й с п ом ощ ью м од ел и с H uggin g-fa ce ;
к л асси ф ика ц ия п р од укто в п о ф ото . П остр оен а C N N м од ел ь н а о сн ове M ob il e N etV 2 д ля к л асси ф ика ц ии и нгр ед и ен та ;
м од ел и о б уч е н ы н а н аб ор е д ан ны х, с о сто ящ их и з ф ото гр аф ий о во щ ей и ф рукто в р азл и чн ы х в и дов.
И сп ол ьзу е м ы е т е хн ол оги и: P yth on , M L, С N N, N LP , H uggin g-F ace ( " H els in ki- N LP /o p u s-m t- e n -ru "), O pen C V, n lt k ,
T en so rF lo w , K era s, t e le b ot, B eau tif u l S ou p, R eq u ests .
С сы лка н а п роек т: h ttp s:/ /g it h ub.c o m /s v ch erk a s/F in al_ Pro je ct
А нал и ти к д ан ны х с б ол ее ч е м 1 0 -л етн им о п ы то м в с б ор е, о б р аб отк е и а н ал и зе д ан ны х. С пец иал и зи рую сь н а
со зд ан ии с в о д н ы х о тч е то в и в и зу а л и за ц ий, к о то р ы е п ом ога ю т р уко во д ств у п р и ним ать о б осн ован ны е и
о п ер ати вн ы е р еш ен ия.
В р аб оте о тв етс тв ен ная и ц ел еус тр ем лен ная, о б лад аю в ы со ко й с тр ессо ус то й чи во стью .
И мею о п ы т к о м ан дн ой р аб оты и у м ен ие а д ап ти роватьс я к и зм ен яю щ им ся у с л ови ям , ч то п озв о л яе т э ф фекти вн о
реш ать с л ож ны е з а д ачи . Г о то ва и сп ол ьз о вать с в о и з н ан ия и н ав ы ки д ля о п ти м иза ц ии п р оц ессо в и п овы ш ен ия
эф фекти вн ости р аб оты к о м ан ды .
В н асто ящ ее в р ем я а кти вн о и зу ч а ю L arg e L an gu ag e M od els ( L LM ). Я у в ер ен а, ч то з н ан ия и н ав ы ки , п ол уч е н ны е
в п р оц ессе и зу ч е н ия L LM , п озв о л ят м не в н ести з н ачи те л ьн ы й в кл ад в л ю бой п р оект, н ад к о то р ы м я б уд у р аб ота ть.
В с в о б од н ое в р ем я я и гр аю в н асто л ьн ы й т е н нис ( К М С), п лав аю , п уте ш еств ую .
О БО М НЕ /