🎯 Здесь находят менторов в IT Хабр Эксперты
Лев Богданов (lev_bogdanov), 33 года, Россия, Санкт-ПетербургЛев Богданов (lev_bogdanov), 33 года, Россия, Санкт-Петербург

Лев Богданов

Умею критически мыслить и декомпозировать задачу, чтобы найти лучшее решение.Ученый по даннымАналитик по даннымМладший (Junior)
От 80 000 ₽Ищу работу

Контакты

Войти
Возраст: 33 года
Опыт работы: 1 год и 11 месяцев
Регистрация: 05.10.2023
Последний визит: 2 дня назад
Гражданство:
Местоположение: Россия, Санкт-Петербург
Дополнительно: готов к переезду и к удаленной работе
Знание языков:

Обо мне

Умею декомпозировать задачу и взглянуть на процесс решения под разными углами, чтобы найти наиболее оптимальное. Всегда довожу начатую работу до конца. Мне нравится решать сложные кейсы, работать в команде, учиться и узнавать что-то новое. Люблю анализ данных, программирование и ML.

Навыки

SQL
Python
Английский язык
Pandas
MatPlotLib
Git
Docker
PyTorch
Машинное обучение
Анализ данных

Опыт работы

  • Компания, которая развивает самую популярную в России поисковую систему и десятки других сервисов
    Санкт-ПетербургБолее 5000 сотрудников
    Аналитик/Специалист технической поддержки
    Январь 2023 — По настоящее время (1 год и 11 месяцев)

    Как аналитик:

    Обязанности:

    – сбор информации в DataLens
    – анализ CSAT/CDSAT - проверка индекса удовлетворённости пользователей за нужный период, выявление причин снижения оценок и рекомендации по их улучшению
    – анализ разметки обращений - проверка актуальности привязанных знаний, выявление причин снижения актуальности тех или иных знаний
    – анализ базы знаний, рекомендации по её реорганизации и обновлению
    – подготовка отчётов

    Достижения:

    Провёл анализ индекса удовлетворённости пользователей после обращения в письменную поддержку сервиса. Оптимизировал систему оценок, которая более объективно отражает мнение пользователей. CSAT вырос на 15%.

    Провёл анализ базы знаний и составил план для реструктуризации нескольких разделов, что привело к снижению неверно размеченных обращений на 20%.

    Стек: python, pandas, datalens, matplotlib, seaborn

    Как саппорт:

    Обязанности:

    – работа в чате с обращениями клиентов по сервису Яндекс Бизнес
    – решение вопросов с размещением организаций в сервисе
    – анализ эффективности работы рекламной подписки
    – консультации по вопросам платного функционала

    Достижения:

    – 90% качество ответов, отсутствие критических ошибок,  высокая скорость работы
    – помогаю новым саппортам осваиваться и повышать качество ответов

Высшее образование

  • ТИУ

    Тюменский индустриальный университет
    Институт геологии и нефтегазодобычи
    Сентябрь 2011 — Июль 2016 (4 года и 10 месяцев)

Дополнительное образование

  • Яндекс Практикум

    Обучаем разработчиков, тестировщиков, аналитиков, дизайнеров, интернет-маркетологов
    Апрель 2023 — Сентябрь 2023 (5 месяцев)

    Финалист хакатона GPN Intelligence Cup 2023 от Газпрома, направление Data Science.
    Задача — составление расписания цен на товары в различных городах на 90 дней вперёд, основываясь на ценах конкурентов.
    — предобработка, устранение аномалий, пропусков и выбросов с сохранением максимального количества данных
    — анализ временных рядов с использованием pandas, statsmodels, matplotlib, seaborn, выявление трендов и сезонностей
    — выделение признаков, обучение и валидация моделей линейной регрессии для прогнозирования цен
    ---------------------------------------------
    Участвовал в хакатоне URBANCODE для компании «Самолет».
    Задача — разработка алгоритма для анализа готовности многоквартирных домов на основе изображений с камер видеомониторинга.
    — тестирование моделей для детекции и классификации изображений
    — анализ имеющихся размеченных данных
    — расширение исходного набора данных, разметка и аугментация изображений на roboflow
    — сборка докер-контейнера
    ---------------------------------------------
    Участвую в разработке проекта по автоматизации проверки звонков менеджер-клиент для компании «Сима-ленд».
    — обработка аудио ffmpeg
    — транскрибация аудио whisper
    — диаризация аудио pyannote
    — векторизация текстов BERT и TF-IDF
    — построение моделей для классификации текстов по нескольким критериям (NDA).