kirill50kirill50

Kirill Volkov

Data Scientist · Аналитика · Младший (Junior)
Открыт к предложениям
Возраст: 30 лет
Опыт работы: 8 лет и 3 месяца
Регистрация: 06.03.2020
Последний визит: 1 месяц назад
Местоположение: Россия, Москва
Профессиональные навыки: Python · Бизнес-анализ · Моделирование · Машинное обучение · Numpy · Git · MongoDB · SQL
Войдите, чтобы посмотреть контакты пользователя

Обо мне

Мой опыт в финансовой сфере тесно связан с большими объемами данных, их анализом и визуализацией в понятном виде. Область DS сильно заинтересовала - для того, чтобы в нее углубиться и освоить основные инструменты и технологии, прошел годичное обучение по этому направлению.

Дальнейшее развитие вижу именно в Data Science, в перспективе особенно интересна область Computer Vision.

Хобби: Шахматы, лыжи, теннис, гольф, легкая атлетика,
путешествия, картинг, фотография.

Опыт работы

  • Образовательный IT-портал
    Москва · От 100 до 1000 сотрудников
    Data Scientist (обучение)
    Май 2019 — По настоящее время (1 год и 9 месяцев)

    Изучил углубленный курс математики, основные алгоритмы и инструменты Data Mining, Data Science, а также инструменты глубокого обучения пакета keras/tensorflow.

    Реализовал следующие проекты:
    - Анализ данных по использованию сервиса по аренде велосипедов в New Jersey для Habidatum.
    Используемый технологический стек: geopy, geopandas, pandas, numpy, matplotlib, seaborn
    https://is.gd/UAymj3

    - Скоринговая рекомендательная система для выдачи кредитов.
    Используемый технологический стек: sklearn (в т.ч. RandomForestClassifier, xgboost, GridSearchCV), pandas, numpy, matplotlib, seaborn. В качестве метрики качества использовали f1 score = 0.53.
    https://is.gd/w1ENUc

    - Рекомендательная система по выбору репетитора на основе имеющихся в системе данных о преподавателе.
    Используемый технологический стек: sklearn (в т.ч. DecisionTreeRegressor), pandas, numpy, matplotlib, seaborn.
    https://is.gd/VNZkKm

    - Оценка стоимости объектов недвижимости в Москве на основе ряда критериев.
    Используемый технологический стек: sklearn (в т.ч. GradientBoostingRegressor, GridSearchCV), pandas, numpy, matplotlib, seaborn.
    https://is.gd/KaVMiJ

    - Предсказание курса акции на бирже.
    Используемый технологический стек: Tensorflow, sklearn, pandas, numpy, matplotlib 
    https://is.gd/4aqahk

    - Создание базы для интернет магазина (SQL). Как пример взяли модель магазина OZON.
    Используемый технологический стек: SQL на уроне запросов средней сложности (сортировка, фильтрация, JOINы).
    https://is.gd/wHGGIY

  • Global ecosystem
    Москва · От 100 до 1000 сотрудников
    Аналитик бизнес-процессов
    Сентябрь 2017 — Февраль 2019 (1 год и 6 месяцев)

    Проанализировал основные процессы в работе направления малого и среднего бизнеса.
    Выявил узкие места, оптимизировал процессы и наладил коммуникацию с другими отделами. В результате отдел вышел на выполнение месячных KPI.

  • Проектирование и монтаж инженерных систем и систем физической безопасности, консалтинг, внедрение бизнес-приложений
    Москва · От 100 до 1000 сотрудников
    Финансовый аналитик
    Апрель 2015 — Июль 2017 (2 года и 4 месяца)

    Работа с управленческой отчетностью:
    - анализ и выделение ключевых показателей по проектам и по компании в целом в Excel.
    - визуализация данных и презентация их руководству компании.

    Также выполнял роль финансового контролера на проекте строительства ВТБ Арены. Особенностью проекта были высокие суммы штрафов за срывы дедлайнов, поэтому дополнительно было важно контролировать ситуацию с подрядчиками.
    Результат: уменьшение перерасхода по сравнению с предыдущим отчетным периодом на 7%, дополнительно прокачал навыки общения и тайм-менеджмента.

  • Лидер по оказанию аудиторских, налоговых, консультационных и юридических услуг.
    Москва · Более 5000 сотрудников
    Аудитор
    Август 2012 — Март 2015 (2 года и 8 месяцев)

    - Анализ бизнес-процессов, связанных с финансово-хозяйственной деятельностью компаний;
    - Оценка и тестирование эффективности систем внутреннего контроля;
    - Аудит финансовой отчетности в MS Excel (работа со сложными формулами и большими объемами данных);
    - Анализ и разъяснение причин отклонений финансовых результатов в сравнении с предыдущими периодами;
    - Проверка правильности финансовой и налоговой отчетности компаний в соответствии с РСБУ и МСФО.

Высшее образование

  • МАДИ

    Московский автомобильно-дорожный государственный технический университет
    Автомобильного транспорта
    Сентябрь 2008 — Июль 2014 (5 лет и 10 месяцев)
    Экономика и управление на предприятии на транспорте, специалист

Дополнительное образование