Дмитрий К. , Middle, ML-инженер
- ML-инженер
- Middle
- Опыт работы:
- От 3 до 6 лет
О специалисте
Повысил эффективность работы поддержки примерно на 35% за счёт внедрения комплекса ML/NLP-решений: классификация обращений, кластеризация, извлечение сущностей. Улучшил качество семантического поиска по базе знаний примерно в 1,7 раза, разработав и внедрив RAG-пайплайн (LangChain, Qdrant, FAISS). Достиг 91% точности прогнозирования инцидентов благодаря использованию ансамблей моделей (CatBoost, XGBoost) и продуманного feature engineering. Автоматизировал около 90% рутинных операций и сократил время подготовки отчетов с часов до минут, создав набор инструментов и пайплайнов (Bash, Docker, Airflow). Настроил полноценный MLOps-контур (версии моделей, деплой, мониторинг) на базе MLflow и FastAPI, обеспечив стабильный вывод моделей в прод и сопровождение. Сократил время формирования ежедневных отчётов с 3 часов до 20 минут через ETL/ELT-пайплайны (Airflow, Spark, PostgreSQL). Построил систему интерактивных дашбордов, что ускорило принятие управленческих решений примерно на 35%. Повысил конверсию за счёт A/B-тестов и статистического анализа, результаты которых легли в основу доработок продукта.
Примеры работ
- Отвечал за полный цикл разработки и интеграции ML/NLP-решений, направленных на решение ключевых бизнес-задач заказчиков
- NLP и Работа с LLM: Разработал и внедрил комплекс ML-решений (классификация обращений, кластеризация, извлечение сущностей), что повысило эффективность работы поддержки на 35%. Работал со стеком: BERT, Sentence Transformers и GPT.
- Поиск и RAG: Разработал и внедрил RAG-пайплайн (LangChain, Qdrant, FAISS), повысив релевантность семантического поиска по базе знаний в 1.7 раза
- Классическое Machine Learning: Достиг точности прогнозирования инцидентов в 91% благодаря использованию ансамблей моделей (CatBoost, XGBoost) и feature engineering.
- Автоматизировал 90% ручных операций и сократил время подготовки отчетов с часов до минут за счет создания инструментов и пайплайнов (Bash, Docker, AirFlow).
- Настроил MLOps-процессы (версионирование, деплой, мониторинг) с использованием MLflow и FastAPI для бесшовного перевода моделей в продакшен.
- Совмещал задачи Data Analyst и Data Scientist, участвуя в создании комплексных IT-решений
- Автоматизировал подготовку отчетности: построил ETL/ELT-пайплайны (Airflow, Spark, PostgreSQL), сократив время формирования ежедневных отчетов с 3 часов до 20 минут
- Визуализация и принятие решений: Создал систему интерактивных дашбордов (Superset, Plotly), что позволило руководству клиентов принимать решения на 35% быстрее
- Data-Driven Product Development: Проводил A/B-тесты и статистический анализ, результаты которых легли в основу улучшения пользовательских сценариев и повышения конверсии.
- Применял градиентный бустинг (CatBoost, XGBoost, Random Forest) для прогнозирования спроса на материалы и оптимизации логистических маршрутов.
Образование
Оставьте заявку и, наша команда в кратчайшие сроки подберёт необходимого специалиста за вас!
Помните, что заключение договора и оплата услуг происходит после того, как вы выбрали специалиста
