09/05/2026 updated
100 % available
ML Engineer & Data Analyst
Saint-Peterburg, Russian Federation
Only remote
Bachelor's Degree — Applied Mathematics and Computer Science "LETI" (SPbETU LETI)Data AnalysisData IntegrationData Manipulation LanguagesData TransformationData MiningData ProfilingDatabase AnalysisData-Flow AnalysisData IntelligenceLogical Data ModelsM Programming LanguageVisual AnalyticsData ResearchData ProcessingData Science
Python (Middle)
Proficient in Python at the Middle level, utilizing libraries such as numpy, pandas, polars, matplotlib, seaborn, numba, bs4, pytorch, and tensorflow for data analysis and machine learning tasks.
Machine Learning and Computer Vision
Hands-on experience in developing and training machine learning models, including convolutional neural networks (PyTorch, TensorFlow), object detection (YOLOv8), and working with datasets in CVAT.
Mathematical Modeling and Optimization
Experience in building mathematical models and multi-criteria optimization (AHP and TOPSIS methods), applied in real-world industrial projects in collaboration with Gazprom PJSC.
SQL (Junior)
Experience working with relational databases PostgreSQL and MySQL for data storage and processing.
Docker and Git
Using Docker for application containerization and Git for version control in projects.
Data Analysis and Visualization
Applying matplotlib and seaborn for data visualization, as well as pandas and polars for data processing and analysis.
Probability Theory and Statistics
Strong knowledge in probability theory, mathematical statistics, linear algebra, and discrete mathematics at the undergraduate level.
Web Scraping
Implementing multi-source data scraping using BeautifulSoup and requests.
A/B Testing
Completed a course on A/B testing at the Avito Analytics Academy.
Experience
Professional experience5 - 10 years
Freelancer since2024
Languages
EnglishGoodRussianNative speaker
Project history
Разработка детектора деталей Lego на основе YOLOv8. Датасет из более чем 100 тысяч размеченных изображений в CVAT с наложениями, разными ракурсами и более чем 50 деталями. За 59 эпох достигнут результат 0.56 в mAP:0.5-0.95. Ведётся работа над улучшением модели для неполных деталей и похожих форм.
Создание и сопровождение курса по теории вероятностей для обучающихся, охватывающего базовые алгоритмы машинного обучения, статистическую физику и теорию игр. Курс занял первое место на областном конкурсе проектов в секции математики.
Улучшенная версия предыдущего проекта. Реализован мультисорсный парсинг данных (BeautifulSoup, requests). Выполнена оптимизация выбора технологий методами AHP и TOPSIS. Создано desktop-приложение для сравнения технологий в соответствии с бизнес-задачами. Детали защищены NDA.