Руководитель в сфере машинного обучения и анализа данных - Head of Data Science

Текущий статус/должность: Руководитель группы машинного обучения (Data science).

Мои компетенции и опыт

Опыт руководства аналитиками и IT специалистами - с 2013года.

Работал сфере аналитики, отчетности, создания аналитических материалов и презентаций для высшего Руководства различных компаний, в основном в Банковской сфере. С 2016 года работаю в сфере Data Science и в портфолио множество внедрённых проектов.

Последнее место работы детально:

Участие в создании с нуля крупнейшего в Банке Data Science подразделения (В 2016 году начинали вдвоем со своим Руководителем):
• регулярный поиск проектов, как внутри Банка, так и регулярное посещение крупнейших Российских конференций
• формирование понимания списка необходимых данных для создания MVP по проекту
• обсуждение возможностей по изменению бизнес процессов по итогам проекта с бизнес-подразделениями на основе MVP
• формирование крупнейшей задокументированной и выверенной базы данных нашего Блока

Руководство группой машинного обучения и аналитики (8 человек):
• набор персонала - 10 человек.
• проверка признаков, которые придумали и создали сотрудники и постановка их на регулярную загрузку
• вовлечение большинства сотрудников отдела в обучение (в т. ч. нужен доступ к резюме -все вместе прошли более 50ти курсов)

MS SQL Server 2016/2017:
• участие в закупке двух серверов и настройке R и Python на SQL сервере
• написание хранимых процедур, job'ов и SSIS пакетов для регулярной загрузки данных и формированию витрин признаков для моделей
• участие в тестировании интеграции сервера с другими системами Банка (в том числе онлайн движок)

Участие в формировании BI системы:
• лоббирование перевода отчетов из Excel в бесплатный Shiny (BI на основе R)
• формирование ряда dashboard

Ведение проектов по машинному обучению:
1. Проект по выявлению клиентов, проводящих сомнительные операции (завершил проект без сотрудников в подчинении):
• согласование и получение доступа к необходимым данным
• формирование и проверка гипотез
• построение ряда моделей (~10 методов машинного обучения), выбор среди них наиболее подходящей модели
• внедрение модели в Production с встроенным автоматическим переобучением с необходимой периодичностью
• внедрение и тестирование онлайн движка, который позволяет не давать уйти сомнительным платежам из Банка. Движок включал в себя не только работу модели, но и жесткие правила, дорабатывались несколько месяцев после запуска в Production
• формирование отчетности по результатам работы модели
• помощь в переезде работающей в Production модели на другой сервер под ответственность другого подразделения

2. Проект по оттоку клиентов:
• анализ причин оттока клиентов на основе данных и создание ряда презентаций (с помощью R Markdown, Dplyr, ggplot) для защиты необходимости запуска проекта
• запуск пилотных проектов по удержанию клиентов с анализом эффективности удержания с помощью А/В тестирования
• построение ряда моделей машинного обучения
• внедрение модели в Production с встроенным автоматическим переобучением с необходимой периодичностью

3. Проект рекомендательная система
• формирование списка продуктов, по которым необходимо давать рекомендации
• создание ряда моделей под каждый продукт – look-a-like/uplift/рекомендаций на основе глубокой аналитики
• внедрение модели в Production с встроенным автоматическим переобучением с необходимой периодичностью
• интеграция с CRM системой (Единое окно) и Интернет-Банком для предоставления рекомендаций клиентам через данные каналы
• формирование отчетности по результатам работы модели

4. Старт проекта по геолокации - формирование MVP
• получение геокоординат из адресов клиентов
• формирование карты (open street map), на которую нанесены все офисы Банка, клиенты Банка и их контрагенты

После передачи данного проекта другому сотруднику - на основе данной аналитики были выбраны места открытия отделений Банка, установки банкоматов и терминалов самообслуживания
5. Сквозная аналитика
• интеграция со всеми необходимыми источниками
• формирование отчетности и совершенствование

6. Антифрод (кредитование) в режиме онлайн
• разработка антифрод системы
• интеграция со всеми необходимыми источниками
• формирование отчетности и совершенствование

7. Транзакционный антифрод - находится на этапе внедрения.
• формирование алгоритма отбора платежных поручений юридических лиц подлежащих более тщательной проверке
• участие во внедрении алгоритма в IT системы банка

8. Создание платформы А/Б тестирования – находится на этапе внедрения
• интеграция с необходимыми системами
• договорённости о запуске большинства маркетинговых активностей в виде А/Б тестов