Data Scientist (NLP) - резюме 98390

Дата обновления: 14.09.2020 в 13:49

Филипп

Пол: Мужской

Возраст: 24

Опыт работы (лет): 1

Образование: Высшее


Требования к работе:

Желаемая должность: Data Scientist (NLP)

Профессия: ИТ, интернет, телеком

Регион: Санкт-Петербург

Тип занятости: Постоянная

Зарплата: 80000 (руб. в месяц)


Текст резюме:

Образование:
− 2018 – 2020 Степень магистра в области “Информатика и вычислительная техника” университета “Сколковский институт науки и технологий” (GPA: 4.75). Тема выпускной квалификационной работы: “Разработка методов машинного обучения для генерации ответов на сравнительные вопросы”.
− 2018-2020 Степень магистра в области “Инфокоммуникационные технологии и системы связи” университета “Государственный университет аэрокосмического приборостроения” (GPA: 4.75). Тема выпускной квалификационной работы: “Разработка методов машинного обучения для генерации ответов на сравнительные вопросы”.
− 2014 – 2018 – Степень бакалавра в области “Информационная безопасность” университета “Государственный университет аэрокосмического приборостроения”. (GPA: 4.66). Тема выпускной квалификационной работы: “Защищенное приложение для удаленного и автоматизированного анализа данных”.
Публикации:
− Фураев Ф., Боровков Н. (2019) Применение языковой модели ELMo для задачи аспектноориентированного анализа тональности. Научная конференция ГУАП, 301-305.
− Фураев Ф., Сергеев А. (2019) InfoWatch Traffic Monitor Auto Grader system. Научная конференция ГУАП, 379-383.
− Фураев Ф., Афанасьева А. (2018). Предсказание поведения потоков в системах хранения данных. 71 международная студенческая конференция ГУАП. 233-236.
Навыки:
− Python (numpy, scipy, pandas, sklearn, pytorch, keras, matplotlib), Java.
− Linux, Bash, git, Jupyter notebook, Docker, Scrapy, LaTeX, SQL.
− Фрэймворки для глубокого обучения: PyTorch, Keras.
− Опыт работы с пакетами разработки для NLP: AllenNLP, SpaCy, NLTK, fastText, Gensim, DeepPavlov, HuggingFaceTransformers.
− Знание моделей: W2V, fastText, CRF, LSTM, GRU, seq2seq, ELMo, Transformers, GPT-2, BERT.
Интересы:
Machine learning, NLP, NLG, Aspect-Based Sentiment Analysis, dialogue systems.
Персональные навыки:
Навык работы в команде, креативность, time-management.

Контактные данные:

Для просмотра контактной информации требуется авторизация!

Пожалуйста, войдите под своим логином и паролем или зарегистрируйтесь на нашем сайте.




Похожие резюме

 

Interkass