Driver's license category B

Ссылка на мой Github: https://github.com/Gelden На гитхабе представлены учебные проекты, демонстрирующие навыки применения Python для анализа данных. Мой Pet Project: https://gelaev9898.medium.com/pet-project-twitter-us-airline-sentiment-research-133814369674 Коротко о моих технических навыках и личностных характеристиках, приобретенных в процессе самообучения, а также на онлайн-курсах (Яндекс.Практикум): - Python (pandas, numpy, matplotlib) - уверенная работа с датафреймами, а именно: создание, редактирование (в т.ч. метод apply с анонимной функцией lambda); написание кастомных функций; сохранение в csv и xlsx формат и т.д.); - SQL (средний уровень) - запросы SELECT ... FROM, WHERE, GROUP BY, JOIN, агрегирующие функции и др. базовые запросы, подзапросы, оконные функции, оптимизация запроса. - Теория вероятностей (средний уровень), математическая статистика (базовый уровень, есть некоторые пробелы, но они легко восполняемы); - Машинное обучение (знаком с основными типами моделей - обучение с учителем (задачи классификации - дерево решений, случайный лес, логистическая регрессия; задачи линейной регрессии регрессии), без учителя (задачи кластеризации) и с подкреплением; - Кросс-валидация, бутстреп, метрики качества для оценки моделей. - Стажировка в Озон Холдинг научила усилила мои BA навыки, а также позволила закрепить мои технические навыки в SQL и Python. Опыт работы в компании ООО "Чеченские минеральные воды" дал мне навыки оценки приоритетности решения задач; - Готов к изучению новых инструментов в области машинного обучения, в т.ч. предварительного анализа и визуализации данных. Я - начинающий data scientist. Развиваюсь в сфере анализа большого объема данных и машинного обучения. Умею решать и автоматизировать сложные и рутинные задачи, понимать, что нужно заказчику, легко переключаюсь между задачами. Понимаю специфику бизнес процессов, умею строить связи между ними. Реализовал 2 крупных проекта по анализу качества работы колл-центра. Проекты: 1) Стояла задача оценить контактность, время обработки операторами задач, качество оказания помощи и выделить проблемные участки работы колл-центра. Для покупателей я сделал таблицу, в которой собиралась и агрегировалась информация из различных источников, что позволило оценить необходимые метрики. Также для визуального восприятия этой информации я построил в Tableau несколько дашбордов, благодаря которым заказчики смогли изучить данные. Для автоматизации выгрузок скрипт был загружен мной на Airflow, в результате чего мне осталось только следить за тем, чтобы скрипт прогонялся каждый день без моего вмешательства. 2) Для колл-центра по работе с продавцами были проведены схожие шаги, однако в связи с разницей в специфике обслуживания продавцов и покупателей, данная работа стала отдельным проектом. Предпочтительный способ связи: Mail – gelaev9898@mail.ru Telegram - JailMardock