alihan-urumovalihan-urumov

Алихан Урумов

Data scientist / ML, NLP & Computer Vision Engineer / LeadАналитик по даннымУчёный по даннымСтарший (Senior)
От 5000 $Ищу работу
Возраст: 31 год
Опыт работы: 11 лет и 5 месяцев
Регистрация: 06.10.2020
Последний визит: 4 дня назад
Местоположение: США, Moscow
Дополнительно: готов к переезду и к удаленной работе
Войдите, чтобы посмотреть контакты пользователя

Обо мне

Языки и библиотеки:

• Python, SQL, Swift, Kotlin

• PyTorch, Tensorflow, Keras, OpenCV, Pandas, Albumentations, Power BI, Tableau, Tesseract, Seaborn, imageai и многие-многие другие :)

Навыки глубокого обучения:

• ANN, CNN, RNN, Трансформеры, лямбда сети, MLP..

• Анализ данных и алгоритмы машинного обучения

Catboost, XGBoost, LightBoost, логическая регрессия, эластичная сеть, лассо, регрессия и классификация хребта, байесовская регрессия, полиномиальная регрессия, деревья решений, K-средних, DBscun, UMAP, t-SNE.

Анализ и обработка данных, заполнение пропущенных значений, стандартизация, преобразования box-cox, нормализация, регистрация данных, сокращение размерности данных, кластеризация, обобщение, итеративное заполнение

• Компьютерное зрение: семантическая сегментация (Unet, PSPnet, Linknet, DeeplabV3), обнаружение объектов, GAN, рисование изображений, OCR

(YOLOv3-v5 & yolor), отслеживание (глубокая сортировка), распознавание и идентификация лиц, классификация (в основном

применение сетей в качестве основы для более сложных задач)

• Система записи

нестандартные модели, Imlpict, LightFM. Совместная фильтрация, матричная факторизация.

• NLP: LSTM, GRU, T5, BERT / Transformers, поиск по лучу, генерация текста, встраивание слов, NER, DeepPavlov, seq2seq / bert2bert, распознавание речи.

• Понимание математики, лежащей в основе методов оптимизации: GD, SGD, RMSProp, Momentum, Adam, Adagrad

снижение скорости обучения, пакетная нормализация

• Приложение для переноса обучения

Обучение с подкреплением (в настоящее время изучается):

• MDP, POMDP, уравнения Беллмана, функции стоимости, структура GPI

• Динамическое программирование, Монте-Карло, TD-обучение, Q-обучение, (Ожидается) Sarsa, Dyna Q

• Примерные методы, градиент политики, субъект-критик

Опыт работы

Высшее образование

  • СКГМИ (ГТУ)

    Северо-Кавказский горно-металлургический институт
    Владикавказ97 выпускников
    Информационных технологий
    Сентябрь 2007 — Июль 2012 (4 года и 10 месяцев)

Дополнительное образование

  • Coursera

    Стопроцентное онлайн-обучение от лучших университетов и компаний мира
    Machine Learning
    Август 2020 — Август 2020 (1 месяц)
  • Stepik

    Образовательная платформа и конструктор онлайн-курсов
    Санкт-Петербург1873 выпускника
    Нейронные сети
    Май 2020 — Май 2020 (1 месяц)
    Основы дискретной математики
    Апрель 2020 — Апрель 2020 (1 месяц)
    Основы перечислительной комбинаторики
    Март 2020 — Март 2020 (1 месяц)
    Введение в математический анализ
    Февраль 2020 — Февраль 2020 (1 месяц)
    Python: основы и применение
    Февраль 2020 — Февраль 2020 (1 месяц)
    Теория вероятностей – наука о случайности
    Февраль 2020 — Февраль 2020 (1 месяц)
    Основы статистики
    Январь 2020 — Февраль 2020 (1 месяц)
    Программирование на Python
    Декабрь 2019 — Декабрь 2019 (1 месяц)
    Линейная алгебра
    Октябрь 2019 — Ноябрь 2019 (1 месяц)
    Основы SQL
    Октябрь 2019 — Ноябрь 2019 (1 месяц)