Читаете ли вы блог Хабр Карьеры? Если да — оцените, как мы справляемся. А если нет — расскажите, что читаете для развития карьеры. Пройти опрос (займет 5-7 минут)
Опыт работы
Управляющая компания розничной сети «Магнит»
Главный разработчик баз данных, отдел прогнозирования
Январь 2017 — По настоящее время (3 года и 7 месяцев)

Сопровождение, поддержка и доработка внутренней системы прогнозирования продаж на платформе MS SQL Server + R, Python. Для прогнозирования используем как "проверенные временем" модели на базе АРПСС, Хольт-Винтерс и пр., так и более сложные многофакторные регрессии. Моя работа состоит из 3 больших блоков: (1)поддержка текущей системы (консультирование профильных аналитиков, поиск и устранение багов), (2) выявление зон роста системы, причин неадекватного прогноза, их анализа и (3) создания новых блоков.

DC Daily
Москва
Machine learning engineer/data scientist
Сентябрь 2019 — Январь 2020 (5 месяцев)

Создание системы машинного зрения для вендинговых аппаратов. Командой из 3 человек выполнен прототип системы учета покупок при помощи видеокамеры, специально обученной нейросети и трекера в режиме реального времени. Прототип показал пригодность технологии к масштабированию, однако в серию не пошел.
В мои обязанности входил выбор модели и фреймворка, подготовка данных для обучения, настройка гиперпараметров и собственно обучение нейросети. По итогам работы была выбрана и обучена модель на базе yolo-tiny, распознающая 20 вариантов упаковки кулинарии + несколько упаковок снеков и вод. Сеть интегрировалась в самописное ПО управления вендинговым холодильником, запущенные на устройстве (nvidia jetson nano).

Rielt-Terra
Красноярск
программист баз данных
Июль 2012 — Декабрь 2016 (4 года и 6 месяцев)

Поддержка и развитие ПО для агрегатора рекламных объявлений в сфере недвижимости. Главный продукт компании - база данных объявлений о продаже и аренде недвижимости в нескольких регионах России и Украины. Нами был создан алгоритм, позволяющий:
а) собирать информацию об объектах недвижимости с нескольких десятков источников (сайты, закрытые рассылки, газеты и т.п.)
б) группировать объявления, относящиеся к одному объекту недвижимости даже при недостатке информации
в) прогнозировать статус актуальности объявления
г) прогнозировать, агентство разместило его или собственник
д) минимизировать затраты на прозвон актуальных вариантов.
Полученный продукт B2B - закрытая система для агентств недвижимости, позволяющий сотрудникам компаний пользоваться одним источником информации вместо десятков, с высокой достоверностью знать тип контактного лица без лишних прозвонов, узнавать о новых объектах недвижимости в один клик.

Высшее образование
Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева
Красноярск
Факультет: Информатики и систем управления
Сентябрь 2005—Июнь 2012 (6 лет и 9 месяцев)
бакалавр техники и технологии, Магистр Системного Анализа