Вадим Соболев

Нахожусь в поиске работы на позицию аналитика данных с целью дальнейшего развития и получения новых навыков. Рассматриваю области аудиторной и клиентской аналитики с возможностью применения методов машинного обучения как дополнительный стек задач.

Рабочие проекты и опыт:

- Выделение сегментов целевой аудитории на основе анализа профилей и публикаций пользователей, построение атрибутов, обучение и применение моделей CNN для анализа изображений, кластерный анализ аудитории;

- Анализ частотности упоминаний бренда в интернет-магазинах: сбор, разметка данных, обучение моделей CNN для задачи классификации и поиска объектов

- Формирование аудиторных сегментов на основе их покупок, расчёт клиентских метрик, мониторинг трафика и web метрик

Используемые инструменты: Python, Pandas, Numpy, Pytorch, scikit-learn, matplotlib, Pillow, Vertica, Clickhouse

Учебные проекты и опыт:

- ВКР магистра "Сегментация целевой аудитории на основе профилей социальных сетей"

Используемые инструменты: Python, Pandas, scikit-learm pytorch, tensorflow, Numpy, matplotlib

- Дипломная работа бакалавра "Разработка программного комплекса для оценки землепользования на основе нейросетевой классификации спутниковых снимков"

Используемые инструменты:

Сервер: Python, Flask, Flask-WTF, Flask-Security, OpenCV, Numpy, Shapely, Keras, tensorflow

Клиент: JavaScript, HTML, CSS, JQuery, semanticUI, Google Maps

- Научно-исследовательская работа: "Создание цифровой бизнес модели найма персонала"

Используемые инструменты: Python, Pandas, scikit-learn, CatBoost, seaborn

Личные проекты и опыт:

- Реализация моделей нейронных сетей для сегментации объектов, классификации, обработки языка: Python, Keras, Numpy, OpenCV, pymorphy2, NLTK

- Реализация классических моделей машинного обучения: Python, R, scikit-learn, CatBoost, LightGBM

- Веб сайты с резюме, интернет магазин: Flask + SQLite, Django + PostgreSQL

- Работа с базами данных: SQL (Vertica, Clickhouse)