ML-инженер | Выпускник Яндекс Практикум
ML-инженер с практическим опытом полного цикла разработки машинного обучения. Прошел интенсивную программу «Инженер машинного обучения PRO» в Яндекс Практикум с успешной реализацией 6 проектов от подготовки данных до деплоя в продакшн.
Ключевые достижения:
- ✅ Реализовал end-to-end ML-пайплайны с использованием современного MLOps стека
- ✅ Развернул ML-модели в продакшн с помощью Docker и Kubernetes
- ✅ Оптимизировал качество моделей через feature engineering и hyperparameter tuning
- ✅ Создал рекомендательную систему и uplift-модели для бизнес-задач
- Python — продвинутый уровень (NumPy, Pandas, Scikit-learn, Matplotlib, Seaborn)
- SQL — продвинутый уровень (PostgreSQL, MSSQL, оптимизация запросов)
- Machine Learning — классификация, регрессия, кластеризация, временные ряды
- Deep Learning — TensorFlow, PyTorch (основы нейронных сетей)
- Docker — контейнеризация ML-сервисов
- Airflow — автоматизация пайплайнов данных
- MLflow — трекинг экспериментов и версионирование моделей
- FastAPI — создание ML API
- Kubernetes — развертывание в облаке
- DVC — версионирование данных и моделей
- Yandex Cloud — развертывание ML-сервисов
- Grafana, Prometheus — мониторинг (базовый уровень)
Технологии: Python, Scikit-learn, Airflow, DVC, MLflow
Разработка системы предсказания оттока клиентов с полной автоматизацией процесса.
Технологии: Python, Scikit-learn, feature engineering
Улучшение базовой модели и метрик качества.
Технологии: Docker, CI/CD, мониторинг
Выкат ML-модели в продакшен, пайплайн доставки и мониторинг.
Технологии: Python, Implicit, CatBoost, FastAPI, Docker
Гибридная рекомендательная система для музыкального стриминга (Яндекс Музыка).
Технологии: Python, Scikit-uplift, A/B тестирование, Kubernetes
Модель для определения эффективной аудитории маркетинговых кампаний.
Технологии: Python, Implicit, CatBoost, FastAPI, Docker, CI/CD
Полный цикл: постановка задачи → данные → модель → выкат в продакшен.
Яндекс Практикум | 2025
- Инженер машинного обучения PRO (4 месяца, 180+ часов практики)
- 6 проектов в портфолио с реальными бизнес-задачами
- Изучение полного стека MLOps: от данных до продакшна
- Менторинг от практикующих ML-инженеров Яндекса
- ML Engineer
- MLOps Engineer
- Data Scientist (продуктовые задачи)
- AI Engineer
- 📧 Email: aiopendata@gmail.com
- 💻 GitHub: github.com/DataClasse
- 📊 LeetCode: leetcode.com/u/aiopendata
- 📈 Kaggle: kaggle.com/dmitryvsh
- 💼 Хабр Карьера: career.habr.com/gliderai
Готов к обсуждению возможностей сотрудничества! 📞