aijobs 🇷🇺
ВойтиРегистрация
Наука о данныхС опытом

Наука о данных × С опытом

Имею 5 лет практического опыта в области науки о данных, руководил разработкой рекомендательных систем и моделей прогнозирования спроса в сфере электронной коммерции и розничной торговли. Мои сильные стороны — умение переводить бизнес-задачи в математические модели и инженерные навыки внедрения MLOps в продакшн. Также есть опыт создания технической документации на английском и сотрудничества с зарубежными командами, что позволяет мне вносить вклад в увеличение ROI на основе данных в масштабах всей организации.

📌 Краткое резюме карьеры

  • ▸2018.04 - 2021.03: Крупная компания электронной коммерции, аналитик данных и дата-сайентист (прогнозирование спроса, анализ ROI маркетинга, дизайн A/B-тестов).
  • ▸2021.04 - настоящее время: AI-технологический стартап (с иностранным капиталом), старший дата-сайентист (MLOps-трансформация рекомендательной платформы, разработка моделей глубокого обучения, наставничество младших специалистов).

📌 Достижения и сильные стороны

  • ▸Разработал и внедрил с нуля модель прогнозирования спроса (LightGBM/Prophet), что позволило снизить долю списания запасов на 15% по сравнению с прошлым годом и сократить затраты примерно на 120 миллионов иен в год.
  • ▸Сократил задержку вывода рекомендательного API с 50 мс до 12 мс, увеличив CTR на 2.4%, что привело к ежемесячному росту выручки на 30 миллионов иен.
  • ▸Внедрил собственный MLOps-конвейер (Kubeflow/MLflow), сократив время от проверки модели до продакшн-деплоя с 3 недель до 2 дней.

📌 Навыки

  • ▸Языки и БД: Python (Pandas, NumPy, Scikit-learn), SQL (BigQuery, Redshift), R, Bash
  • ▸Машинное обучение и глубокое обучение: PyTorch, XGBoost, LightGBM, NLP (Hugging Face Transformers)
  • ▸Инфраструктура и MLOps: AWS (SageMaker, S3), Docker, Kubernetes, MLflow, Airflow, dbt
  • ▸Бизнес и прочее: дизайн A/B-тестов, каузальный вывод, английский на бизнес-уровне (TOEIC 890, опыт ежедневных Scrum-встреч с зарубежными командами)

📌 Самопрезентация

  • ▸Я всегда сосредоточен не только на повышении точности моделей, но и на том, как внедрить их в бизнес и создать ценность. На предыдущем месте работы я столкнулся с отказом от высокоточной, но дорогостоящей модели глубокого обучения со стороны бизнес-подразделения, что заставило меня осознать важность бизнес-перспективы. После этого я совместно с инженерами построил MLOps-инфраструктуру и создал механизм автоматического развертывания легких и точных ансамблевых моделей. В результате я повысил уровень владения данными в бизнес-подразделении и завоевал доверие к отделу науки о данных. Я хочу решать более масштабные и разнообразные задачи на глобальной инфраструктуре данных, поэтому заинтересован в вашей компании.

💡 Ключевые советы

  • 💡Указывайте не только точность моделей (например, AUC), но и бизнес-эффект (выручка, сокращение затрат) — это значительно повышает оценку со стороны компаний.
  • 💡Навыки MLOps и инженерии данных — сильный дифференциатор при найме DS, обязательно опишите опыт работы с инфраструктурой.
  • 💡Если рассматриваете иностранные компании, добавьте ссылки на портфолио на GitHub, медали Kaggle или технические блоги на английском.
  • 💡В личном заявлении подчеркните коммуникацию с бизнес-стороной и примеры вовлечения стейкхолдеров — это покажет ваш уровень как senior-специалиста.

🔗 🔗 Другие уровни

Наука о данных × ВыпускникНаука о данных × Синьор
Последняя проверка: 2026-09-06 · Редакция aijobs
← Другие образцыСоздать резюме с ИИ →