👀 Классные компании ищут бэкендеров — на Вайб-чеке → vibe.habr.com
Александр Дунаевский (glidingraven), 27 лет, Россия, НовосибирскАлександр Дунаевский (glidingraven), 27 лет, Россия, Новосибирск

Александр Дунаевский

Software EngineerУченый по даннымАналитик по даннымСредний (Middle)
Не ищу работу

Контакты

Войти
Возраст: 27 лет
Опыт работы: 2 года и 9 месяцев
Регистрация: 27.11.2021
Последний визит: 3 месяца назад
Гражданство:
Местоположение: Россия, Новосибирск
Дополнительно: готов к переезду и к удаленной работе
Знание языков:

Обо мне


Мои проекты:

open.ravengo.ruСправочник студентов
Каждый год в ВУЗы России поступают тысячи абитуриентов со всей страны. Каждый год появляются тысячи приказов о зачислении. Мною была представлена задача найти, обработать и использовать эти ценные данные.
Сайт: https://open.ravengo.ru

Робот-манипулятор – Отбивает шарик
Роботизированная платформа подбрасывает и отбивает шарик. Для его отслеживания используются две камеры.
Исходный код: https://github.com/GlidingRaven/Juggler
Код включает в себя симуляцию среды, подготовку данных и моделей, отладочные инструменты.
Видео: https://youtube.com/watch?v=3PgyW0j1t2M
Используется классический ML и CV.

Основные инструменты:
Python, Pandas, Django, Scikit–learn, OpenCV, NumPy, Linux.
Имею опыт с C++, PyQt, TensorFlow.

Иной опыт:

  • Асинхронное программирование. Скраппер на Node.js
  • Участвовал в программе международного обмена студентов.

Навыки

Python
Linux
Django
Git
PostgreSQL
Asyncio
Docker
C++
Pandas
SQL

Участие в профсообществах

Опыт работы

  • Крупнейшее бюро кредитных историй в России
    МоскваОт 100 до 1000 сотрудников
    Ученый по данным (Средний)Data Scientist
    Май 2024 — По настоящее время (7 месяцев)

    Построение скоринговых моделей, как общих, так и индивидуальных (модели PD, дохода, интереса, социальных графов, collection, approval, bankruptcy, recovery и пр.); Разработка новых переменных и правил;

     Проверка различных гипотез, связанных с будущими переменными и моделями; Внедрение моделей и мониторинг эффективности их работы;

    Проведение ретро-тестов по новым моделям и анализ результатов;

    Проверка целесообразности использования новых (внешних) источников данных в целях повышения качества моделей.

  • Создаём актуальные финтех-решения для миллионов клиентов
    НовосибирскОт 1000 до 5000 сотрудников
    Ученый по данным (Средний)Data Scientist
    Декабрь 2022 — Май 2024 (1 год и 6 месяцев)

    Работа над проектами кредитного скоринга, поиска аномального и фродерского поведения, идентификации пользователей и др.

    Задачи: Генерация гипотез; построение пайплайна расчета признаков; обучение моделей; оборачивание модели кодом; валидация работы моделей; общение с бизнес-заказчиком; проведение анализа экономического эффекта изменений логики принятия решений.

    PythonLinuxGitSQL
  • Крупнейшая цифровая платформа. Технобренд, объединяющий лучшие мировые практики и самый современный стек
    ЕкатеринбургБолее 5000 сотрудников
    Ученый по даннымData Scientist
    Январь 2022 — Сентябрь 2022 (9 месяцев)

    Разработка и валидация моделей машинного обучения (кредитный скоринг), доработка внутреннего портала (Django), анализ данных по требованию (Ad hoc), формирование выгрузок (Spark, Hadoop).

Высшее образование

  • СибГУТИ

    Сибирский государственный университет телекоммуникаций и информатики
    Новосибирск1272 выпускника
    Информатики и вычислительной техники (ИВТ)
    Сентябрь 2016 — Апрель 2024 (7 лет и 7 месяцев)