DS/ML-engineer, AI-engineer

На данный момент Магистр.

Мои компетенции и опыт

Меня зовут Владимир, я учусь в магистратуре НИУ ВШЭ на факультете компьютерных наук, специализация - искусственный интеллект (GPA 8.6/10). Ищу стажировку или junior-позицию в области Data Science / Machine Learning.

Интересуюсь классическим машинным обучением, deep learning, NLP, LLM, рекомендательными системами и анализом временных рядов. Умею работать с данными на Python: проводить предобработку, EDA, feature engineering, обучать и сравнивать модели, подбирать гиперпараметры и интерпретировать результаты. Использую NumPy, pandas, scikit-learn, PyTorch, CatBoost, LightGBM, XGBoost, matplotlib, seaborn, SQL.

В проектном опыте ( нужен доступ к резюме ):
- aggregation-bot: командный проект по анализу новостных данных. Реализовал парсинг и предобработку текстов, EDA, TF-IDF-признаки, классификацию новостей с помощью Logistic Regression, SVC и KNN, кластеризацию тематик через KMeans, HDBSCAN и SpectralClustering, а также content-based рекомендательную систему. В командном контексте использовались FastAPI, JWT, Alembic и Docker.
- Local vs Global Models in Time Series: исследовал подходы к прогнозированию временных рядов. Кластеризовал ряды, построил статистические бейзлайны, обучил CatBoost и LSTM в локальном, глобальном и кластерном вариантах, сравнил качество моделей и подтвердил гипотезу о преимуществе глобальных моделей на похожих рядах.
- Предсказание цен на автомобили: провел предобработку данных, EDA и feature engineering, обучил Linear Regression и CatBoostRegressor. Улучшил качество модели по MAPE с нужен доступ к резюме до нужен доступ к резюме , а также собрал Streamlit-приложение для загрузки CSV и получения прогноза.

Хочу развиваться в Data Science на реальных бизнес-задачах, усиливать инженерные навыки и постепенно расти в сторону ML Engineer / Data Scientist.