Участник акселератора Y Combinator 2022. В основные обязанности входила full-stack разработка сервиса пуш-уведомлений для примерно 100 клиентских компаний, от некоторых из этих компаний поступают гигабайты данных в час. Разработка Airflow дагов и тасков: * сбор данных из сторонних источников через API, внешнее хранилище или вебхуки в RabbitMQ * форматирование данных в нужный формат и запись на S3 / Azure blob * алгоритмы для подготовки данных в pyspark к рассылке с выбором лучшего текстового сообщения и лучшего времени для каждого пользователя. Наоптимизировали их всласть * сбор метрик для анализа воронок данных в дагах * поиск аномалий в временных рядах и обработка алертов * генерация похожих на настоящие данных для маркетинга Покрытие тестами существующего кода и написание нового кода по TDD Работа с контейнерами в kubernetes и terraform Разработка API эндпоинтов django для отправки данных на фронтенд или для общения с дагами Разработка архитектуры БД postgres и clickhouse для сайта, для аналитики и вспомогательных сервисов Разработка бизнес-дашбордов в Redash Анализ дагов и потоков данных в графовой БД Neo4j Постановка задач коллегам Python, pytest, clickhouse, postgres, neo4j, apache spark, airflow, django, rabbitmq, selenium, aws, gcp, azure, docker, kubernetes, terraform, bash, gitlab ci/cd, firebase, appmetrica, amplitude, test driven development

Работал аналитиком портфеля клиентов букмекерской компании. Занимался разработкой дашбордов в Tableau Расчетом бонусных кампаний для пользователей (Python, pandas) Автоматизировал процессы колл-центра. Колл-центр обожал меня за то, что я поднял сервер с одной кнопкой, которая делала их жизнь заметно легче (flask с pandas) Помогал юристам в сборе доказательств мошенничества Анализировал и предсказывал бизнес-метрики Tableau, Excel, Python, pandas, flask

Работал аналитиком поведения пользователей в портфеле мобильных приложений Реализовал north-star дашборд для продактов с помощью dash, plotly, flask Разработал детектор аномалий для отдела customer acquisition для мониторинга стоимости маркетинговых кампаний Провел анализ прохождения уровней пользователями и предложил изменения, которые стабильно увеличили retention на 15% Сгенерировал синтетические данные для оценки работы шкалы рейтинга пользователей на основа лайков и дизлайков, что помогло выбрать сносные показатели переменных По методологии Retentioneering проводил анализ воронок событий пользователей для анализа воронок продажи, начала сессий, и других событий Python, pandas, sklearn, plotly, dash, clickhouse, firebase

В Яндекс.Драйв оценка агрессивности вождения и предсказание спроса Python, catboost, tensorflow

Парсинг сайтов, анализ маркетинговых данных Python, BeautifulSoup, pandas, plotly

Разработка скоринговых моделей Python, pandas, sklearn, matplotlib, T-SQL

Tableau, Excel, MySQL

Excel, PL/SQL