Наука о данныхВыпускник
Наука о данных × Выпускник
Начинающий специалист в области Data Science. В ходе магистерских исследований по машинному обучению и двух длительных стажировок в AI-стартапах освоил навыки построения прогнозных моделей на Python и извлечения и анализа больших данных с помощью SQL. Имею опыт завоевания медалей на соревнованиях Kaggle. Моя сильная сторона — способность математически подходить к бизнес-задачам и реализовывать решения от начала до конца.
📌 Краткое резюме карьеры
- ▸Сентябрь 2022 — Август 2023: Стажёр-аналитик данных в AI-стартапе A. Участвовал в проекте по улучшению рекомендательной системы для интернет-магазина, отвечал за инженерию признаков и офлайн-оценку моделей.
- ▸Апрель 2023 — Март 2024: Научный ассистент в университетском стартапе B. Разработал с нуля инструмент анализа тональности отзывов клиентов на основе NLP и довёл его до стадии API.
- ▸Апрель 2021 — настоящее время: Магистратура по направлению «Интеллектуальные системы» на инженерном факультете. Занимаюсь исследованием алгоритмов обнаружения аномалий на временных рядах, представил результаты на международной конференции в виде постера.
📌 Достижения и сильные стороны
- ▸Благодаря обновлению рекомендательной модели на стажировке добился повышения CTR на 14,5% по сравнению с предыдущей версией, что эквивалентно увеличению ежемесячной выручки примерно на 8 миллионов иен.
- ▸На соревновании Kaggle по табличным данным построил ансамблевую модель LightGBM и нейронной сети, заняв место в верхних 2% участников (серебряная медаль).
- ▸Самостоятельно настроил и поддерживал серверную инфраструктуру лаборатории (AWS EC2/GPU), автоматизировал распределение вычислительных ресурсов для 15 исследователей, повысив эффективность работы на 30%.
📌 Навыки
- ▸Языки программирования: Python (Pandas, NumPy, Scikit-learn), SQL, R
- ▸Машинное обучение и глубокое обучение: PyTorch, LightGBM, XGBoost, Hugging Face Transformers
- ▸Инфраструктура данных и MLOps: AWS (S3, EC2, SageMaker), Docker, Git/GitHub, MLflow
- ▸Языки и прочее: английский (TOEIC 860, свободное чтение научных статей и составление технической документации), сертификат по статистике 2-го уровня
📌 Самопрезентация
- ▸«Движущая сила, соединяющая технологии и бизнес»: На стажировке столкнулся с проблемой, когда модель имела высокую точность, но затраты на инференс были неоправданно высокими. Совместно с инженерами провёл дистилляцию модели и оптимизацию в формат ONNX, что позволило сократить задержку на 40% при сохранении точности на уровне 98%. Я стремлюсь к достижению баланса между бизнес-требованиями и техническими ограничениями, обеспечивая полный цикл реализации ценности.
💡 Ключевые советы
- 💡Для позиций Data Science для выпускников важны потенциал и навыки реализации. Подготовьтесь к собеседованию, чтобы рассказать не только о ранге на Kaggle, но и о том, какие гипотезы вы проверяли и как проводили инженерию признаков.
- 💡Вне зависимости от типа компании (японская или иностранная) базовые навыки SQL и предобработки данных обязательны. Подчеркните свой опыт очистки «грязных» данных — это повышает оценку.
- 💡Учитесь формулировать результаты исследований и стажировок в терминах бизнес-эффекта (выручка, сокращение затрат), чтобы они были понятны HR и руководителям без технического бэкграунда.
- 💡Если цель — иностранные компании, будьте готовы к кодинг-тестам на LeetCode и техническим собеседованиям на английском. Параллельно тренируйте алгоритмическую базу и умение описывать проекты на английском.
🔗 🔗 Другие уровни
Последняя проверка: 2026-09-06 · Редакция aijobs