🤠 Бэкендеры, найдите себе команду по вайбам! Проверить мэтч → в вайб-квизе
Дмитрий Пьянков (dmitriy_1703), 29 лет, Россия, МоскваДмитрий Пьянков (dmitriy_1703), 29 лет, Россия, Москва

Дмитрий Пьянков

Ученый по даннымАналитик по даннымМладший (Junior)
Ищу работу

Контакты

Войти
Возраст: 29 лет
Опыт работы: 4 года и 3 месяца
Регистрация: 26.02.2023
Последний визит: 1 год назад
Гражданство:
Местоположение: Россия, Москва
Дополнительно: готов к переезду и к удаленной работе
Знание языков:

Обо мне

По первому образованию - инженер. В университете уделял много времени высшей математике, где как студент преуспевал и помогал своим одногруппникам.
По второму образованию - экономист. Но магистратура не была закончена, так как обучение не оправдало ожиданий. Вследствие чего я отдал предпочтение работе.

На данный момент занимаюсь изучением Data Science, испытываю большой интерес к этому направлению, так как еще со школы учусь на физмате и имею математические наклонности (так же убежден в перспективности данного направления).

За время обучения в Яндекс Практикум изучил Python и набор основных библиотек (pandas, numpy, matplotlib, sklearn, seaborn, tensorflow, keras, CatBoost, xgboost). Отлично понял и овладел языком запросов SQL на уровне запросов средней сложности (сортировка, фильтрация, джойны).

Личные качества: Логическое мышление, способность к детальному анализу, нестандартный подход, умение решать сложные задачи, быстрая обучаемость.

Участвовал в Хакатоне MTS ML CUP(цель: определить пол/возраст владельца по cookie)

Профиль на Кагл: https://www.kaggle.com/dmitriypyankov
Профиль на Гитхаб: https://github.com/DmitriyPyankov?tab=projects

Навыки

TensorFlow
Python
Pandas
NumPy
PostgreSQL
SQL
Keras
PyTorch
MatPlotLib
Машинное обучение

Опыт работы

  • Стартап "MEGABOT"
    Data scientist, разработчик
    Октябрь 2021 — Январь 2023 (1 год и 4 месяца)

    Достижения:

    - Стабилизировал доход (уменьшил колебания финансовых показателей дохода)

    - Автоматизировал процесс проставления исходов (до этого был полуавтомат)

    - Разработал алгоритм работы с новым подходом

    - Увеличил выручку на 18%

    Основные обязанности:

    - Построение моделей предсказывающих исход события

    - Разработка новых поведенческих алгоритмов

    - Сопровождение бота и наблюдение за его исправностью во время работы

    - Анализ статистики

  • Яндекс Практикум
    Москва
    Data Scientist (учебно-проектный опыт)
    Июль 2021 — Март 2022 (9 месяцев)

    Окончил курс "Data Science" в Яндекс Практикум.


    За время обучения выполнил проекты для различных сфер деятельности (банки, мобильный оператор, металлургические компании, нефтяные компании, классификация текстов и фото)
    Решил задачи классификации, регрессии, кластеризации, A/B-тестирование, компьютерное зрение.

    Примеры нескольких проектов:
    1.Телеком. Отток клиентов.
    Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, AUC-ROC, Seaborn, Scipy, phik, LGBMClassifier, GradientBoostingClassifier, CatBoostClassifier.
    Цель проекта: Определить, какие факторы способствуют уходу клиента (какие клиенты планируют уходить),
    и на их основании создать модель прогнозирования оттока клиентов
    Выявили модель с лучшей метрикой ROC-AUC на тестовой модели: 0.9274. F1 на тестовой модели: 0.7476, что говорит о высокой точности модели
    https://clck.ru/33vTMj


    2. Защита персональных данных клиентов.
    Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn.
    В ходе работы были разработаны несколько методов кодирования данных таким способом, что при попадании в руки злоумышленника, он никак не смог бы ими воспользоваться. После преобразования на этих данных была обучена модель линейной регрессии и её метрика R2 осталась на том, что уровне, что и до кодирования.
    https://clck.ru/33hBBh

    3. Прогнозирование цены на автомобиль.
    Используемый технологический стек: NumPy, Pandas, Sklearn, MatPlotLib, Seaborn, Градиентный бустинг, CatBoostRegressor, LGBMRegressor, XGBoost, Bagging.
    На основание исторических данных построил модель определяющую рыночную цену на подержанный автомобиль для онлайн сервиса по продаже автомобилей. Хорошее качество модели также подтверждает и RMSE 1478.16 на тестовой выборке
    https://clck.ru/33hBJ7

    4.Прогнозирование коэффициентов восстановления золота из золотосодержащей руды.
    Российская компания, занимающаяся цифровизацией производства, разрабатывает решения для эффективной работы золотодобывающей отрасли, помогающие оптимизировать производство, чтобы не запускать предприятие с убыточными характеристиками.
    • Проанализированы технологические процессы и этапы восстановления золота из руды.
    • Проведен анализ полученных данных и последующая предобработка.
    • При решении задачи введена новая метрика и достигнута её высокая точность.
    • Все выводы и предложения подкреплены подробным описанием и графиками.
    https://clck.ru/33hBFz

  • Клиника Ренью
    Москва
    Специалист по массажу
    Июнь 2019 — Июль 2021 (2 года и 2 месяца)

    - Консультирование и подбор программы для клиента
    - Выполнение услуг ручного и аппаратного массажа

  • Армадакомп (уполномоченный экономический оператор)
    Москва
    Специалист по таможенным операциям
    Сентябрь 2018 — Март 2019 (7 месяцев)

    - Декларирование товара по ТН ВЭД (программа "Альта-ГТД")
    - Ведение груза от фабрики в Китае до склада в СПб или Мск

Высшее образование

  • Университет ИТМО

    Национальный исследовательский университет ИТМО
    Санкт-Петербург5042 выпускника
    Технологического менеджмента и инноваций
    Сентябрь 2017 — Июнь 2018 (9 месяцев)
  • СПГУ

    Санкт-Петербургский горный университет
    Санкт-Петербург905 выпускников
    Горно-электромеханический
    Сентябрь 2013 — Июнь 2017 (3 года и 9 месяцев)

Дополнительное образование