ML Engineer

Текущий статус/должность: ML Engineer.

Мои компетенции и опыт

ML Engineer / Backend Engineer (Middle)
Опыт: 5 лет в финтехе

Middle ML Engineer с 5-летним опытом работы в финтехе, специализируюсь на прикладных ML-решениях для клиентского сервиса и внутренних платформ. Работал с задачами NLP, uplift-моделирования, проектированием data-инфраструктуры и разработкой внутренних сервисов. Хорошо понимаю полный цикл ML-продукта — от сбора и стандартизации данных до внедрения моделей и поддержки в продакшене.

Ключевые достижения и проекты

Классификация клиентского негатива (NLP, звонки и чаты)
Разработал и внедрил модель для определения негативных обращений клиентов в контакт-центре.
Достигнуты метрики precision / recall: 75% / 36%.
Результат: метрика негатива стала стандартом и используется во всех процессах клиентского обслуживания компании, влияя на приоритизацию и контроль качества сервиса.

Uplift-моделирование срочности обращений
Реализовал uplift-модель для оценки эффекта приоритетного обслуживания клиентов.
Модель определяет, насколько обслуживание в приоритете может улучшить клиентское впечатление и снизить негатив.
Решение используется для более точного распределения ресурсов контакт-центра и повышения клиентской лояльности.

Единый блок сбора и хранения данных для ML-команды
В рамках реструктуризации команды отвечал за проектирование и реализацию блока data-сбора и хранения для всей ML-команды (30–40 проектов).
Проблема: одни и те же данные собирались по-разному в каждом проекте.
Результат:

реализован унифицированный оффлайн-источник данных,

создан прозрачный и масштабируемый флоу добавления новых данных,

значительно снижена дубликация логики и порог входа для новых проектов.
В настоящий момент ведётся работа над онлайн-хранилищем.

Внутренний веб-сервис ML-команды
Разработал веб-сервис, автоматизирующий взаимодействие бизнеса и ML-команды по повторяющимся задачам.
Стек: React (frontend), FastAPI (backend).
Проект снизил количество ручных операций и отвлекающих запросов, повысив общую эффективность команды.

Профессиональные интересы

Планирую и дальше развиваться в тесной связке с ML, однако также открыт к переходу или гибридной роли в backend-разработке, особенно в командах, работающих с data-инфраструктурой, ML-платформами и высоконагруженными сервисами.