После 10 лет в энергетике и работе на руководящих должностях заинтересовался направлением DataScience и начал свой пусть в IT с Яндекс Практикума.
Начал свой путь в компании НБИ находящейся на стыке IT и энергетики где зарекомендовал себя и после ухода руководителя был назначен руководителем отдела.
В настоящее время руковожу отделом кредитного скоринга в банке Ренессанс.
- Руководство коллективом в 5 человек;
- Руководство процессом согласования требований заказчика (портфельного менеджмента банка), разработки, презентации и внедрения (формат PMML) скоринговых карт;
- Руководство процессом разработки и мониторинга эффективности HardCheck анти-фрод правил;
- Руководство процессом разработки анти-фрод моделей и планомерное замещение ими правил;
- Руководство коллективом в 6 человек;
- Реализована идея формирования унифицированного пайплайна по разработке моделей;
- Ведение проектов прогнозирования выработки электроэнергии солнечных и ветряных электростанций и прогнозирования цен на оптовом рынке электроэнергии (с пресейла и сдачи заказчику в эксплуатацию).
- Формирование плана, бюджета и устава проектов, курирование тестирований и анализ результатов;
- Ревью кода после завершения этапа разработки моделей.
- Планирование работ отдела в краткосрочной (до 2 недель) и среднесрочной перспективе (6-12 месяцев), индивидуальная загрузка сотрудников с фиксацией задач в системе GreenMine;
- Внедрение процесса автоматизация работы с моделями машинного обучения (автоматическое переобучение моделей, формирование отранжированного набора моделей для задач ВЭС и СЭС)
- презентация результатов работы отдела;
- индивидуальная работа с каждым сотрудником, оценка его вовлечённости, точек роста специалиста;
- Формирование фреймворка балансирующих (целевая функция – минимизация отклонений) и оптимизационных расчётов (целевая функция – максимизация маржинальной прибыли) по рекомендации распределения электрических и тепловых нагрузок по оборудованию на базе библиотек на языке Python pandas, numpy, pyomo и др. на примере Тюменской ТЭЦ-2;
- Построение характеристик оборудования в формате кусочно-линейных зависимостей для формирования цифрового двойника электростанций;
- Формирование прогнозных моделей с подбором гиперпараметров на базе моделей CatBoost, LightGBM и свёрточных нейронных сетей;
- Ведение проектов прогнозирования выработки электроэнергии солнечных электростанций, курирование испытаний, уточнение требований с заказчиком.
Высшее техническое образование с квалификацией магистра
Высшее техническое образование с квалификацией бакалавра
Получены навыки использования инструмента python для анализа данных и построения ml-моделей различного типа