Data Analyst

На данный момент Junior Data Analyst.

Мои компетенции и опыт

Специализируюсь на Data Science и ML-инженерии в сфере Anti-Fraud, управления рисками и детекции аномалий для крупных финтех-экосистем и ритейла. Имею опыт работы с большими данными, включая обработку, агрегацию и оптимизацию запросов для массивов объемом до 100–200+ млн строк с использованием SQL, Python, SQLAlchemy и партиционирования. Мой профиль охватывает полный цикл разработки: от проектирования интерпретируемых аналитических правил (Rule-based) до создания сквозных ML-сервисов превентивного скоринга транзакций в условиях сильно несбалансированных датасетов, а также автоматизации пайплайнов и вывода моделей в продакшн с помощью Apache Airflow, Docker и GitLab. За время работы самостоятельно выявила и ликвидировала масштабную фрод-схему, что позволило снизить ключевой показатель мошенничества в канале в 1.8 раза. Благодаря оптимизации текущей логики правил снизила целевой показатель фрода на 15%. Повысила точность (Precision) аналитических правил на 30% без потери охвата, существенно сократив количество ложных срабатываний и разгрузив команду операционной проверки. Разработала, полностью выстроила пайплайн и успешно вывела в продакшн сквозной ML-сервис с несбалансированным датасетом на базе LightGBM, Optuna и Apache Airflow для превентивного скоринга транзакций. Запустила автоматизированный DAG в Airflow, который обеспечивает стабильную регулярную работу сервиса, что дало реальное снижение ключевого показателя фрода в канале на 20%. В работе использую стек технологий, включающий Python, SQL, LightGBM, Optuna, Scikit-learn, PyTorch, BERT, Polars, Pandas, Apache Airflow, Docker, docker-compose и Streamlit. Полная информация о проектах и детальный опыт работы представлены в прикрепленном резюме.