Больше информации по резюме будет доступно после регистрации
ЗарегистрироватьсяБыл на сайте вчера в 17:52
Кандидат
Мужчина, 52 года, родился 8 августа 1972
Рассматривает предложения
Санкт-Петербург, готов к переезду, готов к командировкам
Инженер-программист
Специализации:
- Программист, разработчик
Занятость: полная занятость, частичная занятость, проектная работа
График работы: удаленная работа, вахтовый метод
Опыт работы 11 лет 7 месяцев
Май 2021 — по настоящее время
3 года 11 месяцев
Крупная машиностроительная компания
Санкт-Петербург
Металлургия, металлообработка... Показать еще
Ведущий программист
1. NLP. Работа с текстом. Создание сервиса по сопоставление вакансий и резюме с помощью кастомных нейросетей, PyTorch.
2. Создание сервиса по поиску ответов на вопросы пользователей с помощью LLM, RAG.
3. Решение задачи оптимизации распределения ресурсов (Sklearn, PyTorch).
4. Создание имитационных моделей (AnyLogic, Java) - экономика и производство. Создание
нейросети для нахождения ценовой стратегии (PyTorch, Python).
5. Наставничество (ментор) практикантов, Python.
2. Создание сервиса по поиску ответов на вопросы пользователей с помощью LLM, RAG.
3. Решение задачи оптимизации распределения ресурсов (Sklearn, PyTorch).
4. Создание имитационных моделей (AnyLogic, Java) - экономика и производство. Создание
нейросети для нахождения ценовой стратегии (PyTorch, Python).
5. Наставничество (ментор) практикантов, Python.
Июнь 2019 — Май 2021
2 года
Санкт-Петербург
Информационные технологии, системная интеграция, интернет... Показать еще
Инженер-программист
1. Построение пространства признаков и построение функции определения расстояния в этом
пространстве между различными сущностями:
- решение задач обработки текста на естественных языках (NLP);
- разработка новых алгоритмов нахождения метрик схожести текстов (неразмеченные
Резюме обновлено 27 января 2024 в 19:16
датасеты формировались из газетных статей путем парсинга выбранных новостных сайтов с
помощью инструментов языка Golang);
- формулировка алгоритмов предобработки текста;
- обработка европейских, азиатских, языков Юго-Восточной Азии (для каждого языка
определялияь группы ключевых слов, проводилась лемматизация или стеминг, поиск
именованных сущностей (NER));
- разработка нелинейных метрик схожести текстов;
- выявление факторов, влияющих на уровень значимости;
- руководство рабочей группой.
2. Решение задачи reverse engineering с помощью нейросетевых моделей (PyTorch, Keras):
- формирование размеченного датасета;
- определение ембеддинга операторов наиболее распространенных ассемблеров;
- апробация различных типов нейросетей: CNN, GRU, Trancformer и их комбинаций;
Достигнут уровень точности и полноты более 90%.
пространстве между различными сущностями:
- решение задач обработки текста на естественных языках (NLP);
- разработка новых алгоритмов нахождения метрик схожести текстов (неразмеченные
Резюме обновлено 27 января 2024 в 19:16
датасеты формировались из газетных статей путем парсинга выбранных новостных сайтов с
помощью инструментов языка Golang);
- формулировка алгоритмов предобработки текста;
- обработка европейских, азиатских, языков Юго-Восточной Азии (для каждого языка
определялияь группы ключевых слов, проводилась лемматизация или стеминг, поиск
именованных сущностей (NER));
- разработка нелинейных метрик схожести текстов;
- выявление факторов, влияющих на уровень значимости;
- руководство рабочей группой.
2. Решение задачи reverse engineering с помощью нейросетевых моделей (PyTorch, Keras):
- формирование размеченного датасета;
- определение ембеддинга операторов наиболее распространенных ассемблеров;
- апробация различных типов нейросетей: CNN, GRU, Trancformer и их комбинаций;
Достигнут уровень точности и полноты более 90%.
Ноябрь 2017 — Май 2019
1 год 7 месяцев
ООО "Фармперспектива"
Самара
Медицина, фармацевтика, аптеки... Показать еще
Аналитик
1. Решена задача целочисленной оптимизации:
на основе полученных наблюдений на местах был разработан метод определения
минимальной численности сотрудников в каждый момент времени;
2. Решена транспортной задачи: определен оптимальный маршрута развозки товаров со
склада в магазины;
3. Решена задача оптимального хранения - размещение товаров на складе при минимизации
затрат на их внутрискладское перемещение;
4. Решена задача прогнозирования потребления электроэнергии в зависимости от времени
года (анализ стохастических числовых рядов);
5. Решана задача прогнозирования оборота помесячно (анализ стохастических рядов) -
разработана уникальная методика нахождения факторов, влияющих на величину оборота.
Использовались только данные временных рядов. Данные из других источников - о погоде в тот
или иной момент времени, о уровне зарплаты по регионам и другие факторы из реальности -
отсутствовали.
Результаты данной работы были представлены на Второй Всероссийской конференции по
социофизике. Достигнутая точность на годовом интервале - более 95%.
На месячном интервале - более 90%.
Разработанные алгоритмы были реализованы на языке
на основе полученных наблюдений на местах был разработан метод определения
минимальной численности сотрудников в каждый момент времени;
2. Решена транспортной задачи: определен оптимальный маршрута развозки товаров со
склада в магазины;
3. Решена задача оптимального хранения - размещение товаров на складе при минимизации
затрат на их внутрискладское перемещение;
4. Решена задача прогнозирования потребления электроэнергии в зависимости от времени
года (анализ стохастических числовых рядов);
5. Решана задача прогнозирования оборота помесячно (анализ стохастических рядов) -
разработана уникальная методика нахождения факторов, влияющих на величину оборота.
Использовались только данные временных рядов. Данные из других источников - о погоде в тот
или иной момент времени, о уровне зарплаты по регионам и другие факторы из реальности -
отсутствовали.
Результаты данной работы были представлены на Второй Всероссийской конференции по
социофизике. Достигнутая точность на годовом интервале - более 95%.
На месячном интервале - более 90%.
Разработанные алгоритмы были реализованы на языке
Март 2017 — Сентябрь 2017
7 месяцев
ООО "ПК "Опора-Пром-Оил"
Самара
Программист
- Построение системы расчета калькуляции на 1С
- Разработка архитектурных решений, аналитика
- Прогнозирование денежных потоков с использованием Python
- Разработка архитектурных решений, аналитика
- Прогнозирование денежных потоков с использованием Python
Март 2016 — Февраль 2017
1 год
ООО "ДФЛ"
Самара
Экономист
- Прогнозирование входящих финансовых потоков
- Планирование распределения денежных средств
- Управленческий учет
- Планирование распределения денежных средств
- Управленческий учет
Май 2011 — Ноябрь 2013
2 года 7 месяцев
ООО "Укркомплект"
Самара
Начальник лаборатории радиационного контроля
- Проведение дозиметрических испытаний
- Совершенствование способов сбора и обработки экспериментальных данных
- Проектирование систем управленческого учета
- Взаимодействие с контролирующими органами
- Совершенствование способов сбора и обработки экспериментальных данных
- Проектирование систем управленческого учета
- Взаимодействие с контролирующими органами
Навыки
Уровни владения навыками
Продвинутый уровень
Средний уровень
Базовый уровень
Уровень не указан
Опыт вождения
Права категории B
Обо мне
Личностные характеристики:
Решаю "нерешаемые" технические задачи.
Без в/п.
Профессиональные навыки, умения, компетенции:
Профессиональные навыки и опыт в таких сферах:
• теоретическая механика, математические модели;
• механика сплошных сред;
• физика, математика;
• проведение научных исследований;
• Python, Java, микроконтроллеры AVR;
• бухгалтерия (1С: Предприятие 7.7,8.2 - конфигурирование), VBA;
• управление персоналом машиностроительного предприятия;
• математическое моделирование экономических процессов
Хобби, спорт:
Python, Pytorch, Numpy, Scipy, Sklearn, Matplotlib, Pandas. Машинное обучение.
Решаю "нерешаемые" технические задачи.
Без в/п.
Профессиональные навыки, умения, компетенции:
Профессиональные навыки и опыт в таких сферах:
• теоретическая механика, математические модели;
• механика сплошных сред;
• физика, математика;
• проведение научных исследований;
• Python, Java, микроконтроллеры AVR;
• бухгалтерия (1С: Предприятие 7.7,8.2 - конфигурирование), VBA;
• управление персоналом машиностроительного предприятия;
• математическое моделирование экономических процессов
Хобби, спорт:
Python, Pytorch, Numpy, Scipy, Sklearn, Matplotlib, Pandas. Машинное обучение.
Высшее образование
2005
Кировоградский государственный технический университет
Экономики и управления, Менеджмент организаций
1995
Киевский политехнический институт
Механико-машиностроительный, Динамика и прочность машин
Знание языков
Повышение квалификации, курсы
1997
Стойкость прецезионных штампов
не указана
Гражданство, время в пути до работы
Гражданство: Россия
Разрешение на работу: Россия
Желательное время в пути до работы: Не имеет значения