- Средний балл: 5.0/5.0 по всем предметам; олимпиадная математика и спортивное программирование
- Самостоятельное обучение: Harvard STAT 110 (теория вероятностей), ISLP (статистическое обучение на Python), эконометрика
Ученик Школы ЦПМ и призёр заключительного этапа DANO. Анализировал бизнес-данные Т-Банка и открытые данные ГИБДД с помощью Python, статистических методов и визуализации. Ищу стажировку аналитика данных или продуктового аналитика.
Образование
Анализ данных и соревнования
- Исследовал 102 351 заказ сервиса Т-Банка «Город», чтобы оценить связь наценки с составом и объёмом корзины
- Сегментировал результаты по категориям и уровню кешбэка, подготовил сравнения GMV и визуализации и сформулировал поведенческое объяснение более низкой ценовой чувствительности готовой еды и выпечки
- В итоговом анализе рост наценки на 1 п.п. был связан со снижением GMV фруктов, овощей и сладостей на 1,13%, тогда как готовая еда, выпечка и напитки почти не изменились (+0,08%); разница значима (p < 0,001)
- Подготовил материалы для итоговой презентации; команда из 6 человек заняла 2-е место среди более чем 40 команд
- Очистил открытые данные ГИБДД от аномалий и выбросов и провёл EDA по видам нарушений и доле ДТП с пострадавшими
- Выстроил и визуализировал логику исследования, связывающую нарушения в состоянии опьянения с более высокой долей ДТП с пострадавшими
- Сформулировал практические рекомендации: алкозамки для рецидивистов, ограничения для начинающих водителей и развитие транспортных альтернатив; подготовил материалы для итоговой презентации
Проекты
- Разработал четыре микросервиса на Go для управления кампаниями, показа рекламы, статистики и пользователей, связав их через gRPC и RabbitMQ
- Реализовал ранжирование кампаний по ожидаемой прибыли, внешним ML-оценкам релевантности, выполнению плана и свежести
- Добавил PostgreSQL, MongoDB, кэширование в Redis, трассировку OpenTelemetry, мониторинг Prometheus/Grafana и тесты на Testcontainers
- Разработал Telegram Mini App и ботов для выпуска, просмотра, покупки, хранения и стейкинга NFT в сети Stellar
- Построил TypeScript-монорепозиторий на Next.js, tRPC, PostgreSQL/Drizzle, Redis, MinIO/S3, с авторизацией и Stellar SDK
- Сократил повторные запросы к блокчейну и хранилищу с помощью Redis и кэширования изображений, заметно ускорив каталог
- Разрабатываю кроссплатформенный сетевой клиент на Kotlin Multiplatform и Compose для Android, iOS, macOS, Windows и Linux
- Проект получил более 420 звёзд и 40 форков на GitHub и внешние контрибуции
Спроектировал весь UI в Figma, разработал frontend-архитектуру и приложение на React/Next.js, координировал работу фронтенда над MVP управления коворкингом. Финалист среди примерно 60 команд.
Технические навыки
Анализ данных и ML: Python, Pandas, NumPy, SciPy, scikit-learn, Statsmodels, Matplotlib, Seaborn, Plotly; EDA, проверка гипотез, регрессии, деревья решений и ансамбли, PCA, feature engineering, кросс-валидация и оценка моделей
Математика: теория вероятностей, математическая статистика, линейная алгебра, математический анализ уровня Calculus I, основы эконометрики
Разработка: Go, TypeScript, C++, Git, Docker, Linux, gRPC, RabbitMQ, PostgreSQL, MongoDB, Redis
SQL: SELECT, JOIN, GROUP BY и агрегатные функции
Языки и дополнительные достижения
Русский: родной · Английский: C1 · Немецкий: B2, Goethe-Zertifikat (2025)
Призёр регионального этапа ВсОШ по немецкому языку; участник заключительного этапа. Победитель хакатона DANO по анализу данных (2025).