Danila Kovrigin Email & Phone Number

Tbilisi, Georgia

Москва, Россия

Москва, Россия

1) Кластеризация офисов банка для более точного расчета премий по новой модели мотивации сотрудников - сбор и аналитика данных, проверка и выбор метрик, описание кластеров, подготовка документации с методологией кластеризации2) Расчёт метрик продуктивности сотрудников банка (комплексная метрика, оценивающая эффективность использования рабочего времени сотрудниками фронт линии) - описание алгоритмов, совершенствование скриптов, создание и поддержка view, наполнение контентом личного кабинета сотрудников и управленцев3) Расчёт рекомендаций(отклонений сотрудников от нормативных значений ) - аналитика, создание новых скриптов, переработка и изменение старых, совершенствование методики4) Еженедельная подготовка презентаций руководству(до уровня заместителя председателя правления) банка для оперативной отчетности (около 20 метрик - выполнение плана, продуктивность, клиентопоток, чеки) - изменение и совершенствование скрипта выгрузки данных, создание презентации5) Ad hoc аналитика6) Анализ качества данных - дубли, отсутствующие значения, неправильные форматы. Поиск ошибок в витринах корпоративного хранилища данных;7) Наставничество и адаптация младших дата-аналитиков в команде8) Аналитика пилотного проекта новой системы мотивации - процесс и итоги пилота, работа с обратной связью от сотрудников, коммуникация с HR и другими управлениями банка

Москва, Россия

1) Аналитика продаж и метрик продуктивности сотрудников банка 2) Подготовка отчётов и презентаций 3) Перенос расчетов отклонений из Excel в Python. Еженедельное формирование файлов для загрузки в личный кабинет сотрудника 4) Выгрузки данных 5) Обновление скриптов SQL

Москва, Россия

Обучение по программе Специалист Data ScienceПроекты на Github https://github.com/KovriginDI/Yandex.PraktikumУчебные проекты ЯндексПрактикум:CV (Keras, PyTorch, CNN, transfer learning, аугментации):- предсказание возраста клиента по фотографии,- участие в соревнованиях iMet2020(классификация музейных экспонатов)NLP (PyTorch, NLTK, TF-IDF):- классификация токсичных комментариев для ускорения модерации,Time series(Scipy, Statsmodels):- предсказание количества заказов такси на следующий час,Classical ML (LightGBM, CatBoost, Sklearn, feature engineering):- предсказание оттока клиентов банка- классификация клиентов оператора связи для предложения нового тарифа- определение рыночной стоимости автомобиля по объявлениям- предсказание коэффициента восстановления золота из золотосодержащей руды,- предсказание температуры плавления стали в процессе легированияEDA (Pandas, Scipy, Matplotlib, Seaborn, Plotly):- предобработка и исследование данных для модели кредитного скоринга,- для определения стоимости квартиры по характеристикам в объявлении

Яндекспрактикум, Data Science

Chinese Language

Incomplete Higher Education, Law

Diploma Of Vocational Education With Honours, Law