Обязанности и достижения:
Достижения и обязанности:
- Использовал понимание ML-конвейера (от идеи до развертывания LLM на GPU-кластерах в облаке и локально) для проведения сравнительного анализа архитектурных решений и разработки окончательной архитектуры многофункциональной ИТ-системы, учитывая ограничения и требования.
- Определил технологический стек для процесса Discovery и части процесса Delivery и участвовал в формировании разработческой команды. Установил и управлял партнерствами с внешними компаниями, что привело к интеграции их услуг в окончательную архитектуру решения.
- Сотрудничал с внешними экспертами, организовывал передачу знаний и интегрировал их экспертизу в платформу, устраняя препятствия, вызванные надежностью задачи прогнозирования событий.
- Оркестрировал и реализовал весь ML-конвейер за 1 месяц: ETL с 5 типами наборов данных (Twitter, Google, YouTube...), EDA актуальных тем за последние 9 лет, выбор (среди 7 моделей кластеризации, 10+ моделей генерации фраз-параграфов, 5 прогностических моделей), настройка, оценка, разработка настраиваемого метрики интереса сообщества, представление результатов...
- Анализировал статьи, реализовал алгоритмы с дополнительными улучшениями, в частности, успешное исследование R&D на тему "О чем будут разговаривать люди".
- Использовал опыт в маркетинге и глубокое понимание поведенческих данных, психологии для улучшения интерпретации и прогнозирования результатов, что привело к ускорению разработки на 15%.
- Быстро создавал прототипы решений с использованием Streamlit и Prompt Engineering.
- Представлял результаты проекта и объяснял сложные концепции простым языком.
- Анализировал портфолио клиента за последние 10 лет, применяя более 90 различных параметров, что привело к откалиброванной модели.
- Проявил глубокое понимание поведенческих данных, психологии, специфичной для инвестиционной сферы, позволяя учитывать нюансы поведения клиента при разработке системы рекомендаций и улучшении качества прогнозирования.
- Использовал опыт аналитика, знание ML, математики, A/B-тестирования для эффективной интерпретации результатов и ускорения проверки гипотез на 15%.