Наука о данныхСиньор
Наука о данных × Синьор
Обладаю более чем 10-летним опытом в области науки о данных, руководя разработкой моделей машинного обучения и построением MLOps в финансовой и e-commerce отраслях. Добился увеличения годовой выручки на сотни миллионов иен благодаря разработке рекомендательных систем, а также созданию инфраструктуры данных для продукта с аудиторией более 1 миллиона DAU. Моя сильная сторона — комплексное ведение проектов: от выявления бизнес-задач и проведения PoC до развертывания в production и управления командой.
📌 Краткое резюме карьеры
- ▸В крупной системной интеграторской компании занимался консалтингом по построению хранилищ данных и внедрению BI-систем. Отвечал за этапы от сбора требований до моделирования данных (3 года).
- ▸Перешел в иностранную технологическую компанию, где в роли старшего специалиста по данным руководил разработкой алгоритмов рекомендаций для e-commerce и стандартизацией MLOps-пайплайнов (5 лет).
- ▸В настоящее время работаю в отделе цифровой трансформации крупного отечественного финансового учреждения, занимая должность менеджера команды по науке о данных (8 человек) и внедряя ИИ-модели для кредитного скоринга (2 года).
📌 Достижения и сильные стороны
- ▸Обновил модель персонализированных рекомендаций для интернет-магазина, что привело к росту конверсии на 14% и увеличению годовой выручки на 2,5 миллиарда иен.
- ▸Внедрил ИИ-модель для кредитного скоринга, сократив среднее время рассмотрения заявок с 3 дней до 15 минут и снизив уровень дефолтов на 0,8%.
- ▸Создал собственную MLOps-платформу (Kubeflow, MLflow), что позволило сократить время вывода моделей в production с 4 недель до 3 дней.
📌 Навыки
- ▸Языки и фреймворки: Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
- ▸MLOps и инфраструктура: Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
- ▸Инженерия данных: dbt, Airflow, Kafka
- ▸Бизнес и управление: управление проектами, построение команды, взаимодействие с заинтересованными сторонами, английский (деловой уровень / TOEIC 920)
📌 Самопрезентация
- ▸Я специалист по данным, который ставит во главу угла не «технологии ради технологий», а «бизнес-эффект». В предыдущей компании в сфере e-commerce я предложил передовую модель глубокого обучения, но столкнулся с сопротивлением бизнес-стороны из-за высоких затрат на вывод и задержек. В ответ я самостоятельно разработал и внедрил гибридную модель, объединяющую легковесный XGBoost и нейронную сеть. Это позволило сократить затраты на вывод на 60% при сохранении точности, что в итоге привело к росту годовой выручки на 2,5 миллиарда иен. Этот опыт убедил меня, что моя главная сила — в балансе между техническим любопытством и бизнес-ограничениями, а также в способности вовлекать заинтересованные стороны и находить оптимальные решения.
💡 Ключевые советы
- 💡В иностранных и японских компаниях по-разному понимают «управление»: для японских делайте акцент на «навыках координации и достижения консенсуса», для иностранных — на «техническом лидерстве и построении команды, ориентированной на метрики». Соответственно адаптируйте резюме.
- 💡На старшем уровне важно не только то, какие технологии вы использовали, но и как вы выявляли бизнес-задачи и максимизировали ROI. Подготовьте рассказ о неудачном проекте, завершившемся на стадии PoC, и о том, чему вы научились — это повысит вашу оценку на собеседовании.
- 💡Опыт в MLOps и управлении данными сейчас очень востребован, поэтому обязательно подчеркивайте не только разработку моделей, но и конкретные цифры о том, как вы снижали операционные и эксплуатационные затраты.
🔗 🔗 Другие уровни
Последняя проверка: 2026-09-06 · Редакция aijobs