Junior Data Analyst/ Data Scientist

Проект по анализу продаж художественного произведения за 12 летний период. Задачи: 1. Сбор данных. Построение и анализ первичных графиков. 2. Обработка полученных данных моделями временных рядов. Отбор жизнеспособных моделей. 3. Предсказания на следующие три года. Квантификация предсказаний. 4. Создание признаков на основе внутренних и внешних факторов, которые в перспективе смогут улучшить предсказательную силу моделей. 5. Тестирование полученной регрессионной модели. Отбор наиболее важных признаков. Используемый стек: - Анализ состоятельности способов прогнозирования временных рядов: (Naive, Average, Moving Average + Weights, Simple Exponential Smoothing, Holt linear, Holt-Winter, ARIMA, SARIMA ); - Создание признаков на основе внешних и внутренних факторов, использование моделей регрессии для обновления результатов предиктивного анализа, полученных раннее (numpy, pandas, sklearn, seaborn, linear models).

1. 'Titanic - Machine Learning from Disaster'. Топ 11%. Используемый стек: - Feature Engineering; - Numpy, pandas, sklearn, seaborn, gridsearch, ensemble models (Random Forest). 2. 'House Prices - Advanced Regression Techniques'. Топ 16%. Используемый стек: - Feature Engineering; - matplotlib, seaborn, pandas, seaborn, numpy, sklearn, linear models (LinearRegression, Lasso, Ridge, SGDRegressor), model selection (GridSearchCV, StratifiedKFold), ensemble models (Random Forest Regressor, Bagging Regressor). 3. 'Catch Me If You Can ("Alice")'. Топ 39%. Используемый стек: - Feature Engineering; - numpy, pandas, scipy, matplotlib, seaborn, sklearn, datetime, Random Forest, Logistic Regression, xgboost, SGDClassifier.

- Осуществление деятельности по оказанию услуг тендерного сопровождения в качестве ИП; - Ведение тендерно-договорного отдела на всех этапах жизненного цикла закупки по 44 и 223фз.

Обязанности: - Работа с выгруженными базами данных; - Создание выборок; - Обработка данных, связанных с сейсмоактивностью и размерностью трещин; - Поиск неявных взаимосвязей; - Графическое представление результатов. Результаты: Автоматизация процесса получения наглядных графических выкладок с данных рабочего типа. Найдены неявные взаимосвязи, описывающие зависимость между сезонностью проведения геологических работ и дальнейшей производительностью месторождения. Используемый стек: Python (pandas, math, sklearn, numpy, matplotlib), Volfram Mathematica.