Как я перешёл от аналитики к ML и стал Data Scientist

Когда-то я начинал с аналитики: SQL-запросы, дашборды, отчёты. Но быстро понял: бизнесу мало знать «что произошло», важнее — «что будет дальше и как это улучшить». Так я пришёл в машинное обучение.

Что удалось сделать за 3+ года в DS:

✅ Рекомендательные системы — конверсия выросла на +12%, средний чек на +8%. ✅ NLP для модерации и приоритизации — время обработки заявок сократилось с 9 до 2 часов. ✅ IoT-анализ и детекция аномалий — удалось предотвратить критические сбои оборудования. ✅ ML-пайплайны — от ETL и фичеринга до продакшн-деплоя и мониторинга моделей.

Мой стек:

🔹 Python, PyTorch, HuggingFace, CatBoost, LightGBM 🔹 Airflow / Prefect, MLflow, Docker 🔹 SQL (PostgreSQL), Grafana, PowerBI 🔹 NLP, рекомендательные системы, аномалия детекция

Что ищу:

📌 Возможности как Data Scientist в проектах с упором на NLP, рекомендательные системы, оптимизационные задачи и продакшн ML.

👉 Если у вас есть подходящие проекты или вы можете порекомендовать контакт — буду рад вашему отклику или репосту 🙌