Resume Data Science

Data Scientist

Контакты

Языки

Английский

Русский

Украинский

Ключевые навыки

Phyton

SQL

Окружение

Jupiter Notebook
VS Code

Фреймворк

Streamlit
Spark

Библиотеки

Pandas
NumPy
Matplotlib
Seaborn
Scikit Learn
Plotly
Scipy

Смежные технологии

Git Hub
Kaggle

Получил практические навыки при разработке проектов на платформе Яндекс Практикум по направлениею
Data Science. Изучил технологии предобработки данных, обучения моделей.
Использовал библиотеки для работы с массивами, визуализации данных, алгоритмами ML, метрических и препроцессинговых функций, которые в них содержатся.

Предсказание оттока клиентов отеля

1.Задача классификации.Применил numpy, malplotlib а так же sklearn с импортом модулей препроцессинга, метрик и моделей для обучения
2. Убрал “шумы”, заменив неявные дубли
3. Проработал корреляцию и разбивку отказов по типам номеров.
4. Сформулировал задачу исходи из базовой метрики для бизнеса.
5. Трансформировал, кодировал и масштабировал данные.
6. Матрицей ошибок выяснил кол-во правильных предсказаний.
7. Рассчитал прибыль итого.
8. Отметил модель леса для реализации проекта.

Определение перспективного региона для нефтедобычи

1. Использовал технику Bootstrap для анализа прибыли
2. Решал задачу регрессии с нужной моделью из sclearn
3. Подготовил данные, объем выбрал целевой метрикой, обучил поочередно модели для 3 месторождений.
4. RMSE, границы доверительного интервала, среднее значение бутстрепа и вероятности убытков в одном из месторождений были наиболее отличительны. Его и выбрал.

Выявление трендов кинопроката

1.Применил pandas,numpy,seaborn.
2. Выявлен большой объем пропусков и дублей, исправил.
3.Посчитал долю фильмов с госучастием.
4. методом .plot() узнали объемы и направления финансирования, а так же окупаемость по жанрам..
5. Вывел шкалу эффективности режиссеров. Сделал вывод, что киноиндустрия окупается на динамичных фильмах не зависимо от господдержки..

Подбор тарифов для клиентов мобильного оператора

1.Ознакомился с датасетом помощью диаграмм методом .hist().
2.Сделал нужные удаления, преобразования колонок и добавили поле с номером месяца.
3.Посчитал количество всех услуг используемых в месяц. каждым абонентом.
4.Создал новую таблицу, объеденив методом .merge() данные для расчета прибыли.
5. Сравнил (seaborn, matplotlib) массивы тарифов по нескольким критериям.
6. Выдвинул гипотезы и подтвердили прибыльность одного из тарифов, исключили значимость региона.

Яндекс Практикум по направлению Data Science

1. Работал в коллцентре (продажи по холодной базе)

Получил опыт продаж по телефону

2. Работал в “Холодных” продажах“в поле”(обход потенциальных клиентов по адресам)

Наработал опыт продаж лицом к лицу

3. Создал кейс частного мастера, разработал и упаковал спектр услуг в персональный сайт.

Создал поток из первых клиентов

4. Разработал семантическое ядро для рекламных кампаний частного мастера.

Увеличил объем целевых обращения

5. Оптимизировал маркетинговую стратегию продвижения личного бренда

Удвоил число лидов

Донбасская Государственная Машиностроительная Академия(ДГМА)

ФИМ

Инструментальное производство.

Специалист

Спорт, Игра на Гитаре, Рыбалка