Компания – Яндекс ПрактикумДолжность – Специалист по Data Science (студент)Владею такими инструментами, как Torch, Pandas, SQL, PySpark, SkLearn, MatPlotLib, FAISS, math, SeaBorn, LightGBM, KMeans, Keras, BERT, Keras.Среди выполненных проектов могу выделить:1. Построение рекомендательной системы товаров. Стояла задача в течение 2х недель построить рекомендательную систему. Проект был не из легких, так как задачу мэтчинга я решал впервые. Условием было: использовать Faiss или Annoy, проверять модель на метрике acc@5. В ходе проекта я исследовал Faiss, провел EDA и разработал ранжирующую модель, которая показала неплохие результаты на целевой метрике accuracy 5. Ссылка: https://github.com/artemserdyuk392/ArtemSerd/blob/main/Projects/recom_sist_faiss.ipynb2. Построение системы, определяющей жанр музыки. Нужно было разработать ранжирующую модель, позволяющую классифицировать музыкальные произведения по жанрам. Задача выполнялась в виде соревнования между студентами. Я занял 3 место из 39 в Public. Был проведен EDA, полноценный разведочный анализ, разработка синтетических признаков, проверка на мультиколлинеарность, выбор и обучение моделей, итоговая оценка лучшей модели, анализ важности признаков. Ссылка: https://github.com/artemserdyuk392/ArtemSerd/blob/main/Projects/music_genre_pred.ipynb3. Внедрение модели в API сервис. Я внедрил модель, предсказывающую температуру звезды в API сервис. Записал его видео-демонстрацию. Ссылка: https://github.com/artemserdyuk392/yandex_practicum_projects/tree/main/FAST_API_STARS