Ольга Позняк
Призер национального проекта "Цифровой прорыв. Сезон: искусственный интеллект" • Ученый по данным • Аналитик по данным
От 55 000 ₽ • Ищу работу
Контакты
Возраст: 32 года
Опыт работы: 8 лет и 9 месяцев
Регистрация: 14.08.2022
Последний визит: 2 года назад
Гражданство:
Местоположение: Россия, Санкт-Петербург
Дополнительно: готова к удаленной работе
Знание языков:
Обо мне
Стала дважды призером национального проекта "Цифровой прорыв. Сезон: искусственный интеллект".
На протяжении написания статей в течение 5 лет я взаимодействовала с результатами социологических исследований и опросов, погружаясь в их анализ. После преподавания курса статистических и математических методов в исторических исследованиях, мне стало любопытно, какие методы анализа данных еще существует и как они применяются для решения реальных задач в повседневной жизни. Как исследователю мне нравится искать и получать ответы на вопросы.
Мои цели на ближайшее время - продолжить обучение по выбранной профессии.
К своим сильным сторонам могу отнести навыки работы в коллективе (и не отказываю в помощи коллегам), доброжелательное отношение к критическим замечанием и устранение даже самых маленьких недочетов, способность самостоятельно находить решение проблемы, быстрая обучаемость, трепетное отношение к дедлайнам, желание дальше развиваться в сфере Data Science.
Рассматриваю стажировку, работу в офисе, практику, удаленную работу.
Навыки
Python
Анализ данных
Математическая статистика
Pandas
NumPy
R
SQL
Машинное обучение
Microsoft Excel
PowerBI
Опыт работы
- Практика по Data ScienceПрактикант в сфере Data ScienceАвгуст 2021 — По настоящее время (3 года и 4 месяца)
Цифровой прорыв. Сезон: искусственный интеллект (2022):
- Чемпионат Ярославской области, участник - 34 место из 456 участников.
- Чемпионат Курской области, призер - 6 место из 395 участников (ссылка на решение - https://clck.ru/sYrdt).
- Хакатон Северо-Западного федерального округа, участница, получила ценный опыт работы в команде.-Чемпионат Республики Карелия , призер - 10 место из 398 участников.
Умею:
- Проводить разведочный анализ данных (EDA)
- Создавать графики и аналитические дашборды
- Проводить AB-тестирование средствами Python и R
- Вычислять метрики для принятия решения для бизнес-задач (такие как, LTV, ARPU, ARPPU, CAC, MAU)
- Писать код на Python
- Пользоваться библиотеками Python и R для анализа данных
- Работать в базами данных MySQL
- Создавать отчеты в Power BI
- Создавать модели машинного обучения для решения задач классификации и кластеризации, модели линейной и полиномиальной регрессии
- Работать с api.
Мои основные инструменты: Jupyter Notebook, RStudio, MySQL Workbench
Мои работы:
В ходе обучения на плаnформе Skillbox выполнено 80 практических работ, ключевые из них - следующие проекты по окончанию курсов:
1. Дипломный проект - анализ опроса об удовлетворенности клиентов для компании “Мегафон”. Целью работы было выяснить, отличаются ли и насколько технические показатели качества связи для групп довольных и недовольных пользователей, для чего были проведены AB тесты. Использовались библиотеки Python Pandas, NumPy, Scipy, Phik, Plotly, Matplotlib, Seaborn. (ссылка - https://clck.ru/sYtZg)
2. Анализ данных от телекоммуникационной компании (данные с сайта Kaggle). Целью работы было проанализировать данные и спрогнозировать отток пользователей, для чего были построены модели ML для прогнозирования оттока, также использовался стекинг (в качестве мета-алгоритма - XGBClassifier). Использовались библиотеки Python Pandas Profiling, Pandas, NumPy, Phik, Matplotlib, Seaborn, scikit-learn, CatBoost, XGBoost. (ссылка - https://clck.ru/sYtbs)
3. Аналитический отчет для продюсеров образовательных программ Skillbox, чтобы в дальнейшем эффективно выстраивать стратегию по модернизированию и улучшению курсов. Написан с помощью библиотек Python - Pandas, NumPy, Matplotlib, Seaborn.(ссылка - https://clck.ru/sYtkC)
4. Аналитический отчет для HR-отдела с рекомендациями для отдела кадров по стратегии набора персонала, а также по взаимодействию с уже имеющимися сотрудниками. Вся аналитика выполнена с помощью SQL, использованы библиотеки SQLALchemy, для графиков - Matplotlib, Seaborn. (ссылка - https://clck.ru/sYtoc)
5. Аналитический отчет для SMM-отдела компании Skillbox. Объектом анализа являлся паблик Skillbox ВКонтакте. Аналитика выполнена с помощью библиотек и модулей Python Pandas, datetime, Matplotlib, Seaboorh, Requests, JSON (ссылка - https://clck.ru/sYtqA)
MySQL • SQL • Pandas • R • Анализ данных • Математическая статистика • NumPy • Машинное обучение • PowerBI - РГПУ им. А. И . ГерценаЛаборант Института истории и социальных наукНоябрь 2019 — Июнь 2021 (1 год и 8 месяцев)Осуществление организации и координации деятельности профессорско-преподавательского состава кафедры всеобщей истории, создание условий для их работы, составление отчетов и анализ эффективности деятельности кафедры
- Петербургский институт иудаикиСанкт-ПетербургСтарший преподавательФевраль 2017 — Июнь 2021 (4 года и 5 месяцев)
Преподавание статистических и математических методов в исторических исследованиях, а также истории стран Азии и Африки в Средние века, Новое и Новейшее время.
Научно-исследовательская деятельность
Достижения и результаты:
- Успешное освоение студентами знаний и навыков по преподаваемым дисциплинам, повышение среднего балла групп до 4.
- Студенты обучались с нуля создавать таблицы и работать в Excel, создавать графики, применять знания статистики для анализа исторических источников, успешно освоили корреляционный анализ.
- Публикация 4 научных статей и выступления на международных конференциях
- Приложение "НГ-Религии"МоскваВнештатный авторФевраль 2016 — Март 2020 (4 года и 2 месяца)
Написание аналитических статей об исследованиях и социологических опросах, касающихся религиозной ситуации в мире, а также о новостях религиозных организаций.
Достижения и результаты:
- Смогла достичь до 8000 просмотров статей, повысив внимание к изданию в научной среде
- Получила опыт анализа цифр в исследованиях в течение 5 лет
Высшее образование
РГПУ им. А.И. Герцена
Российский государственный педагогический университет имени А.И. ГерценаСанкт-Петербург • 1020 выпускниковИсторическийСентябрь 2013 — Июль 2015 (1 год и 10 месяцев)Магистр религиоведения.
Красный диплом.
Магистерская диссертация защищена на отлично и отмечен высокий научный уровень работы.
Опубликовано несколько научных статей.
ИсторическийСентябрь 2009 — Июль 2013 (3 года и 10 месяцев)Бакалавр истории.
Красный диплом, бакалаврская работа защищена на отлично и отмечен высокий научный уровень работы.
Дополнительное образование
- Профессия Data Scientist (серия курсов)Июль 2021 — По настоящее время (3 года и 4 месяца)
Пройдены курсы "Python'", "Основы статистики и теории вероятностей", "Основы математики для Data Science", "Data Scientist. Аналитика. Начальный уровень", "Data Scientist. ML. Начальный уровень" , "Data Scientist. Аналитика. Средний уровень".
Во время обучения стала призером проекта "Цифровой прорыв" (Чемпионат Курской области, 6 место из 395 участников (ссылка на решение).
В ходе обучения выполнено 80 практических работ, ключевые из них - следующие проекты по окончанию курсов:
- Дипломный проект - анализ опроса об удовлетворенности клиентов для компании “Мегафон”. Целью работы было выяснить, отличаются ли и насколько технические показатели качества связи для групп довольных и недовольных пользователей, для чего были проведены A/B тесты. Использовались библиотеки Python Pandas, NumPy, Scipy, Phik, Plotly, Matplotlib, Seaborn.
- Анализ данных от телекоммуникационной компании (данные с сайта Kaggle). Целью работы было проанализировать данные и спрогнозировать отток пользователей, для чего были построены модели ML для прогнозирования оттока, также использовался стекинг (в качестве мета-алгоритма - XGBClassifier). Использовались библиотеки Python Pandas Profiling, Pandas, NumPy, Phik, Matplotlib, Seaborn, scikit-learn, CatBoost, XGBoost.
- Аналитический отчет для продюсеров образовательных программ Skillbox, чтобы в дальнейшем эффективно выстраивать стратегию по модернизированию и улучшению курсов. Написан с помощью библиотек Python - Pandas, NumPy, Matplotlib, Seaborn.
- Аналитический отчет для HR-отдела с рекомендациями для отдела кадров по стратегии набора персонала, а также по взаимодействию с уже имеющимися сотрудниками. Вся аналитика выполнена с помощью SQL, использованы библиотеки SQLALchemy, для графиков - Matplotlib, Seaborn.
- Аналитический отчет для SMM-отдела компании Skillbox. Объектом анализа являлся паблик Skillbox Вконтакте. Аналитика выполнена с помощью библиотек и модулей Python Pandas, datetime, Matplotlib, Seaboorh, Requests, JSON
Python • Анализ данных • Pandas • NumPy • Машинное обучение • Математическая статистика • SQL • R • Визуализация