Valentin Anufrikov

Используемый стек: Redash, Clickhouse, AirFlow, Python 3, Pandas, Nltk, Git, Jira, Confluence

Провел контентный анализ статей методами ML. Это позволило классифицировать статьи, выделять ключевые слова и определять тональность текста из большого объема данных. Таким образом, мы смогли точно определить категорию статьи и проводить маркетинговые исследования в медиа-проектах.

Создал аналитические панели и показатели в Redash для редакторов и авторов на mail.ru, чтобы они могли писать более увлекательные статьи и анализировать тенденции для постоянных читателей. Это помогает увеличить монетизацию, позволяя получать больше дохода от рекламы на медиа-проектах.

Провел А/Б тесты на снижение количества рекламных блоков. Это позволило уменьшить "захламленность" страницы повысив timespand пользователя, а так же увеличить рекламные доходы от контента на проектах mail.ru на 15%

Используемый стек: Python 3, Pandas, Sklearn, Matplotlib, Re, Nltk, Catboost

Создал систему классификации тональности текстов (NLP) на внутреннем портале банка. Это помогло уменьшить токсичное общения между коллегами и в случае повторного нарушения, руководителю сообщалось об этом сотруднике.

Разработал модель, которая предсказывает вероятность ухода сотрудника. Это позволяет заранее выявить сотрудников, находящихся в зоне риска на основе схожих параметров. Кроме того, модель также анализировала эффективность продаж сотрудника и давала рекомендации о необходимости его удержания или увольнения.

Используемый стек: Tableau, PostgreSQL, Python 3, Pandas, Git, Jira, Confluence

Создавал аналитические дашборды и деревья диагностических метрик в Tableau для менеджерского состава банка, что позволило визуализировать динамику продаж, найти зоны роста сотрудников и увеличить кросс-продажи на 20%.

Проверял гипотезы и по результатам изменял через AB тесты kpi сотрудников банка, для снижения затрат и повышения прибыли бизнес-линий на 5—10% на этапах доставки продуктов.

Разработал и поддерживал витрины по задачам в Jira соответствии бизнес-логике, это упростило построение процессов коллегам на собственных витринах в 1.5 раза.

Описывал документацию проектов в Confluence, писал код согласно руководствам по стилю SQL и стандартами PEP 8, это облегчило проведение review кода и поддержку 12+ проектов одновременно.

Прогнозирование оттока клиентов банка
Описание: предобработка и анализ данных для обучения ML моделей прогнозирования оттока, учитывая дисбаланс классов.

Результат: проект позволил банку сэкономить деньги на дорогостоящем привлечении новых клиентов из-за сохранения клиентской базы.

Технологии: Python 3, Pandas, Sklearn, Matplotlib

Безубыточная разработка скважин 
Описание: проверка статистических гипотез, использование техники Bootstrap при расчёте и визуализации в Matplotlib бизнес-показателей по разработке скважин нефтедобывающей компании.

Результат: проект решил проблему выбора скважины для компании и снизил вероятность убытков до 2.5% при бюджете 10 млрд рублей.

Технологии: Python 3, Pandas, Sklearn, Matplotlib, Scipy

NLP Классификация комментариев
Описание: обработка, лемматизация и создание новых признаков для обучения ML модели для определения токсичности текста.

Результат: MVP проект решает проблему поиска токсичных комментариев под постами и отправляет на текст на проверку перед публикацией без дополнительной ручной проверки.

Технологии: Python 3, Pandas, Sklearn, Matplotlib, Re, Nltk, Catboost, Plt

CV Классификация фруктов 
Описание: построение свёрточной нейронной сети на наборе данных для классификации фруктов по фотографиям.

Результат: клиенты сети супермаркетов теперь не вводят номер позиции которую взвешивают перед покупкой.

Технологии: Python 3, Tensorflow

Прогнозирование оттока клиентов телеком оператора

Описание: предобработка и анализ данных для обучения ML моделей прогнозирования оттока клиента телеком оператора основываясь на объёме потребляемых услуг

Результат: проект позволил оператору удержать ключевых клиентов за счет предложения системы скидок клиентам которые планировали разорвать контракт

Технологии: Python 3, Pandas, Sklearn, Matplotlib, Catboost