Навыки и технологии: машинное обучение, рекомендательные системы, BPMN 2.0, Python, pandas, scikit-learn, анализ данных, бизнес-анализ.
Проекты и достижения: Кандидат разработал две рекомендательные системы: одну для автоматического формирования меню ресторана, использующую гибридный подход коллаборативной фильтрации и контентных рекомендаций, и другую для оценки ювелирных изделий, что позволило значительно ускорить процесс оценки и повысить прибыльность компании. В рамках бизнес-анализа были построены модели AS IS и TO BE для Борского стекольного завода и Торгового дома КУДО, что привело к выявлению множества проблем и разработке дорожных карт для их решения.
Достижения и признание: В результате работы были выявлены 167 проблем с финансовой емкостью 3,8 млрд рублей и 67 проблем с емкостью 470 млн рублей, что дало клиентам четкое понимание приоритетов для оптимизации процессов. Кандидат продемонстрировал способность к глубокому анализу и созданию эффективных решений, что подтверждается успешными проектами, представленными в портфолио на GitHub.
* создается нейросетью на основе портфолио, информации указанной пользователем о себе и отзывам от других пользователей