- 🚀 Увлекаюсь решением задач с применением ML.
- 📊 Постоянно изучаю новые инструменты и техники для работы с данными.
- 📚 Разбираюсь в математике, статистике и алгоритмах машинного обучения.
- 💡 Верю, что "Каждая строка кода — это вклад в будущее, которое мы создаём уже сегодня".
Email: lionbolshoe@yandex.ru
- РИНЦ: 1 опубликованная статья, 1 статья на рассмотрении
- Награды: Диплом II степени
- Математика: Теория чисел, теория информации и кодирования в искусственном интеллекте, математический анализ, линейная алгебра и аналитическая геометрия, математическая статистика, теория вероятностей, специальные главы высшей математики
- Экономика: эконометрика
- Языки и библиотеки: Python (pandas, numpy, matplotlib, seaborn), SQL
- Машинное обучение: Scikit-learn, LightGBM, CatBoost, XGBoost
- Улучшение прогнозов: Optuna, Featuretools
- Ансамблевые методы: Stacking, Bagging, Blending, Voting
- Глубокое обучение: PyTorch
- Работа с данными: подготовка датасетов для ML-моделей
- Прочее: Git, MS Office
| # | Наименование проекта | Тип | Описание | Стек | Статус | Видимость |
|---|---|---|---|---|---|---|
| 1 | Model-Evaluator | Инструмент | Гибкий инструмент для сравнения моделей машинного обучения с поддержкой ансамблей, оптимизации гиперпараметров и валидации. | Pandas, NumPy, Optuna, Scikit-learn, CatBoost, XGBoost, LightGBM, Collections, Pickle, tqdm | В разработке | Public |
| 2 | Clients-Segmentation | Статья РИНЦ | Кластеризация держателей кредитных карт для разработки целевых финансовых предложений и улучшения маркетинговых стратегий. | Pandas, NumPy, Scipy, Phik, Matplotlib, Seaborn, Yellowbrick, Scikit-learn, CatBoost, LightGBM, XGBoost, Optuna, Pickle, Warnings, tqdm | На рассмотрении | Public |
| 3 | Region-Segmentation | Исследование | Сегментация регионов РФ по социально-экономическому развитию. Выявление однородных групп регионов России на основе 52 показателей | Pandas, NumPy, Scikit-learn, SHAP, Matplotlib, Seaborn, Yellowbrick, SciPy | Написание статьи | Private |
| 4 | Alfa-Challenge | Хакатон | Предсказание сохранения положительного баланса на счетах клиентов банка в рамках хакатона Alfa Challenge | Pandas, Numpy, Matplotlib, Seaborn, Featuretools, CatBoost, LightGBM, Optuna | Завершено | Public |
| 5 | Helper-Buddy-Bot | Прикладное решение | Телеграм-бот, который помогает узнавать погоду, новости и мероприятия, а также подбирает одежду под ваш температурный режим с использованием ML. | Pandas, Scikit-learn, NumPy, Matplotlib, SQLite3, Datetime, Requests | Завершено | Public |
| 6 | OSAGO-Renewal-Predict | Исследование | Прогнозирование пролонгации страховых договоров (ОСАГО) | Pandas, NumPy, Matplotlib, Seaborn, Optuna, Scikit-learn, CatBoost, XGBoost, LightGBM | Завершено | Public |
| 7 | Cleaned-vs-Dirty-Classification | Соревнование | Классификация изображений тарелок на чистые/грязные | PyTorch, Matplotlib, Pandas, NumPy | Завершено | Public |
| 8 | Regression-Optimization | Статья РИНЦ | Применение методов подготовки данных для улучшения точности прогнозов линейной регрессии | Pandas, NumPy, Seaborn, Scikit-learn, Matplotlib, Itertools | Завершено | Public |
| 9 | Hack&Change 2024 | Хакатон | (Трек: Web/DA: Сервис визуализации организационной структуры от МТС) Разработан алгоритм быстрого поиска сотрудников по запросу с учетом лишних слова. Применил NLP-препроцессинг и инвертированные индексы для поиска. | json, string, pymorphy3, re, nltk | Завершено | Public |
| 10 | Курсовая работа | Курсовая работа | Реализация алгоритмов оптимизации линейной регрессии для улучшения точности прогнозов стоимости недвижимости | Pandas, NumPy, Seaborn, Scikit-learn, Matplotlib, Itertools | Завершено | Public |