Обязанности и достижения:
- Разработал программное обеспечение на Python с использованием pandas, NumPy, scikit-learn для автоматизированной обработки массивов экспериментальных данных (>10000 точек измерений) с целью выявления корреляций между составом нанокомпозитных материалов и их физико-химическими свойствами.
- Реализовал систему машинного обучения (полиномиальная регрессия, Random Forest) для прогнозирования свойств материалов на основе состава с достижением точности предсказания 87%
- Создал pipeline визуализации данных с использованием Matplotlib, Seaborn для автоматической генерации отчётов с различными типами графиков (тепловые карты, 3D-поверхности, scatter plots)
- Автоматизировал процесс составления технической документации с использованием Python-скриптов для генерации отчётов в формате LaTeX.