Мегапосты:
Кто такие наставники и какими гибкими навыками они должны обладать? Пройти опрос
Профессиональные навыки
PythonDjangoFlaskLinuxGitPostgreSQLJavaScriptRestAngularMatlab
Опыт работы
Санкт-Петербург
Senior Software Engineer
Январь 2017 — По настоящее время (3 года и 1 месяц)
Онлайн-гипермаркет электроинструмента
Санкт-Петербург
Python Developer
Август 2016 — Январь 2017 (6 месяцев)
Объединение системных интеграторов и компаний-разработчиков
Санкт-Петербург
Junior developer
Апрель 2012 — Ноябрь 2013 (1 год и 8 месяцев)
Разработка парсера xlsx-документов Сериализация/десериализация модели Генерация отчетов в xml Создание веб-форм Технологии: Pyramid, Python Schema, Mako Templates, Oracle DB
Высшее образование
Технический университет Илменау
Ильменау
Факультет: Electrical Engineering and Information Technology
Октябрь 2015—По настоящее время (4 года и 3 месяца)
Магистерская диссертация в TU Ilmenau: “Entwicklung eines Klassifikationssystems zur Identifikation von Fahrzeugklassen” / “Разработка системы классификации для определения типа транспортных средств” Цель работы заключалась в извлечении значимых характеристик сигнала сенсора магнитного поля и в определении типа транспортного средства на основе этих характеристик. Для этой цели были реализованы и сравнены следующие алгоритмы машинного обучения: * Minimum Distance * K-Means * Naive Bayes * Neural Network (Backpropagation) Практически всё написано с помощью Octave, немного использовал Python для создания инструмента сопоставления реальных данных с соответствующим классом. GitHub repo: https://github.com/vladimirshkoda/master-arbeit
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» имени В. И. Ульянова (Ленина)
Санкт-Петербург
Факультет: Компьютерных технологий и информатики (ФКТИ/ФАВТ)
Сентябрь 2013—Июнь 2015 (1 год и 9 месяцев)
Магистерская диссертация в ЛЭТИ: “Анализ эмоциональной окраски сообщений в социальных сетях” Исследование способов улучшения наивного байесовского классификатора и его применение для анализа эмоционального окраски сообщений. Для обучения был использовался корпус на основе постов из Твиттера. Затем классификатор был применен для анализа комментариев в прототипе сети для обмена изображениями. Используемые технологии: Django, Django REST framework, AngularJS, PostgreSQL, Redis, Celery, Mystem. GitHub repo: https://github.com/vladimirshkoda/sentiment-analysis
Факультет: Компьютерных технологий и информатики (ФКТИ/ФАВТ)
Сентябрь 2009—Июнь 2013 (3 года и 9 месяцев)
Информационные системы