data analytics / data engineering

Миддл
Аналитика, Data Science, Big Data • Shiny/Dash​​​​​​​ • PowerBI • Яндекс.Метрика • Google Analytics • Data scientist • Аналитик • Разработчик • Machine Learning • Product аналитика • Data Science • Python • R • SQL • Apache Spark • MapReduce • Hadoop • ClickHouse • MongoDB • PostgreSQL • Spark • Redis
Удаленная работа • Частичная занятость • Работа в офисе
Опыт работы более 5 лет
О себе

На данный момент data analytics / data engineering.

Мои компетенции и опыт

Product / Data Analyst с сильным техническим бэкграундом: Python, SQL, BI, backend/API, автоматизация отчётности и работа с данными.

Последние несколько лет работал на стыке аналитики, разработки и ML/AI-задач.

 

AI / ML / Data-проекты

Занимался анализом и подготовкой данных для моделей автоматической оценки недвижимости: feature engineering, обработка неоднородных данных, работа с выбросами и качеством данных, построение витрин в PostgreSQL. Строил дашборды в Superset для мониторинга качества данных, моделей и бизнес-метрик. Работал с embeddings, semantic search, sentence-transformers и Faiss для поиска похожих объектов.

 

Product / Data Analytics

Работал с пользовательской и продуктовой аналитикой: сегментация пользователей, воронки, retention, LTV, churn, активность пользователей, финансовые и операционные метрики. Поддерживал дашборды в Grafana/Superset, готовил ad-hoc отчёты, участвовал в проверке гипотез и A/B-тестах. Писал сложные SQL-запросы, работал с PostgreSQL и ClickHouse.

 

Python / automation / data engineering

Автоматизировал отчётность и регулярные выгрузки на Python/pandas. Делал Telegram-ботов для рассылки отчётов и алертов. Настраивал мониторинг критических событий и аномалий. Разрабатывал внутренние API на FastAPI для доступа к аналитическим данным и интеграции с внешними сервисами. Есть опыт ETL-процессов, Airflow/dbt, Docker, Linux.

 

Backend / web / parsing

Есть опыт backend-разработки и интеграций: FastAPI, REST/SOAP, PostgreSQL, Celery, Docker. Работал с внешними API, парсингом данных, Scrapy/Selenium/BeautifulSoup. За счёт этого хорошо понимаю логику веб-событий, трекинга, API и взаимодействия с разработчиками.

 

Сейчас также преподаю Python, работу с данными, основы ML и прикладное использование AI в университете, нагрузка — 2 пары в неделю.

 

Ключевой стек:

Python, SQL, PostgreSQL, ClickHouse, pandas, Polars, NumPy, FastAPI, Airflow, dbt, Docker, Linux, Git, Grafana, Superset, A/B-тесты, продуктовые метрики, ETL, API integrations, Telegram API, Scrapy, Selenium, BeautifulSoup, ML basics, embeddings, Faiss.



Интересные кандидаты