Герман Кастерин
Junior Data Scientist | ML models for pricing, forecasting & analytics. • Ученый по данным • ML разработчик • Младший (Junior)
Ищу работу
Контакты
Возраст: 24 года
Опыт работы: 7 месяцев
Регистрация: 23.05.2024
Последний визит: сегодня
Гражданство: Россия
Местоположение: Россия, Самара
Дополнительно: готов к удаленной работе
Знание языков: Английский В2
Обо мне
Технические навыки:
- Языки программирования: Python (pandas, NumPy, SciPy)
- Машинное обучение: Scikit-learn, XGBoost, LightGBM, Optuna
- Временные ряды: TimeSeriesSplit, логи, скользящие средние, автокорреляция
- Глубокое обучение: PyTorch
- Визуализация данных: Matplotlib, Seaborn
- Управление экспериментами: MLflow
- CI/CD: GitLab CI
Софт-скиллы:
- Коммуникабельность: Эффективное участие в обсуждениях и задавание уточняющих вопросов, способствующих улучшению командной работы.
- Адаптивность: Быстрая обучаемость и умение находить решения в условиях неопределенности, что помогает в гибкой настройке моделей и исправлении ошибок.
- Внимание к деталям: Внимательная проверка кода и аналитических выводов для обеспечения высокого качества моделей и интерпретации данных.
Проекты:
House Price Prediction (https://github.com/NasdormML/House_Price_Prediction)
- Kaggle проект по прогнозированию цен на жилье. Используются XGBoost и Scikit-learn для построения моделей регрессии. Проведена оптимизация гиперпараметров с использованием RandomizedSearchCV, что позволило снизить RMSE на 10%. Проект включает анализ корреляции признаков и обработку пропусков данных.
Store Sales - Time Series Forecasting (https://github.com/NasdormML/Store_Sales_Forecasting)
- Kaggle проект по прогнозированию продаж на основе временных рядов. Включает инженерные методы работы с временными признаками, такими как лаги и скользящие средние. Модель на основе XGBoost с оптимизацией гиперпараметров через Optuna позволила снизить RMSLE на 15%. Занял место в топ-450 на Kaggle.
Навыки
Python
NumPy
Pandas
Git
Docker
SQL
PyTorch
CI/CD
ООП
Машинное обучение
Участие в профсообществах
Опыт работы
- GithubУченый по данным (Младший) • Data Scientist (Pet Projects, GitHub)Май 2024 — По настоящее время (7 месяцев)
Работа над проектами по машинному обучению и анализу данных на GitHub, с акцентом на задачи регрессии и временных рядов.
- Проект: House Price Prediction
Разработка модели для предсказания цен на жилье с использованием XGBoost.- Выполнил анализ данных (EDA) для выявления ключевых факторов, влияющих на цену.
- Оптимизировал модель с помощью GridSearchCV, что снизило RMSE на 10%.
- Внедрил MLflow для управления экспериментами.
- Результат: Модель может использоваться для точной оценки стоимости недвижимости риелторами и банками.
- Проект: Store Sales - Time Series Forecasting
Прогнозирование продаж розничных магазинов на основе временных рядов.- Разработал модель с использованием XGBoost и временных признаков (лаги, скользящие средние).
- Применил TimeSeriesSplit для корректной валидации временных данных.
- Оптимизировал модель с помощью Optuna, что снизило RMSLE до 0.75094.
- Применил Docker для контейнеризации модели временных рядов, что упростило развёртывание и тестирование.
- Результат: Модель может использоваться для улучшения управления запасами и планирования продаж в ритейле.
- Проект: House Price Prediction
Высшее образование
- Информатика и вычислительная техникаСентябрь 2020 — Июль 2023 (2 года и 10 месяцев)