Богдан Исаченко

Реализовал ансамбль моделей для автоматических ответов на вопросы пользователей о товарах на основе Gemma-2 и BERT, сократив трафик краудсорсинга на 60%, улучшив качество ответов и увеличив конверсию покупок на 1.5%

Внедрил LAL-сегментацию для таргетированной рекламы, увеличив конверсию на 3% и кликрейт на 30%, что положительно повлияло на доход от рекламы и GMV

Разработал бота на основе Llama, который помогает подобрать товары на основе рекомендаций OZON и ваших пожеланий

Стек: Transformers, ClickHouse, VLLM, Docker, Airflow, Graphana, Yandex Tank, LangChain, Spark, Triton

Обучил модели на основе FinBERT и LSTM для оценки тональности новостей, провел исследования attention слоёв модели, а также использовал few-shot подход GPT-like модели, достигнута f1-score в 93%

Создал онлайн-парсер для Bloomberg и российских источников (РБК, Finam, Telegram-каналы, Twitter) с накоплением более 400.000 размеченных новостных данных для анализа волатильности и движения активов

Cтек: SQL, BeautifulSoup, Weights & Biases, Pytorch, LangChain

Разработал модель для улучшения реакции Алисы на обращение, снизив False Rejection Rate (FRR) на 2% благодаря использованию CNN и Gradient Reversal подходов

Увеличил объём обучающей выборки на 20% за счёт аугментации аудиоданных, повысив точность модели

Стек: SQL, Docker, Airflow, PyTorch, sklearn, AudioTools

Настроил сбор и обработку данных из пяти внешних и внутренних источников, что позволило автоматизировать заполнение четырёх аналитических таблиц по зарплатам, используемых в различных проектах компании

Разработал динамическую систему управления зарплатами, которая снизила фонд оплаты труда на 2.5% и сократила число проблемных регионов на 12%

Стек: Python, SQL, Tableau, CRON, BeautifulSoup, requests