Ответ
В последние несколько месяцев я был сосредоточен на двух основных направлениях: промышленном ML-проекте и исследовательской задаче.
1. Промышленный проект: Разрабатывал и внедрял систему прогнозирования оттока (churn prediction) для мобильного оператора. Основной стек: Python, PySpark для обработки больших объемов сырых данных о звонках и трафике, CatBoost для моделирования (из-за эффективной работы с категориальными признаками, такими как тарифный план). Гиперпараметры подбирал с помощью Optuna. Ключевым достижением была интеграция модели в продуктовое окружение через MLflow и создание API на FastAPI, что позволило отделу удержания получать прогнозы в реальном времени.
2. Исследовательская задача: Параллельно участвовал в Kaggle-соревновании по прогнозированию спроса. Там я экспериментировал с ансамблями временных рядов, комбинируя LightGBM с Prophet и простыми линейными моделями. Основной фокус был на feature engineering — создании лаговых признаков, скользящих статистик и календарных фичей. Результат — вошел в топ-10% (Silver medal).
Ответ 18+ 🔞
А, ну рассказывай, рассказывай, я слушаю. Значит, последние пару месяцев у тебя там, блядь, два фронта, да? Прям как на войне, ебать мои старые костыли. Один — это типа серьёзная работа, где деньги платят, а второй — для души, чтобы мозги не закисли, я правильно понял?
Первое, это твой промышленный проект. Прогнозирование оттока для оператора, да? Ну, классика жанра, ёпта. Все эти абоненты, которые берут, пользуются, а потом — хоп! — и свалили к конкуренту. Надо их, хитрожопых, вычислять заранее. Я представляю, какой там объём данных — овердохуища звонков, смсок, гигабайтов. И ты это всё через PySpark прогоняешь, да? Ну да, иначе комп просто взвоет, как сука, и накроется медным тазом. CatBoost взял — логично, чувак, там же одни категориальные признаки: тарифы, регионы, всякая хуйня. А Optuna — это чтобы не вручную, как лох, параметры подбирать, а чтобы всё красиво и автоматически. Молодец.
Но самое, блядь, важное — это то, что ты не просто модельку на коленке слепил, а довёл до ума, до прода. MLflow для трекинга, FastAPI для APIшки... Это ж, блядь, уже не игрушки, а взрослая работа. Отдел удержания теперь, наверное, тебя как бога почитает, раз у них прогнозы в реальном времени. Ты им, по сути, волшебный хрустальный шар подогнал. Уважуха.
А второе — это твой исследовательский кайф. Kaggle, прогноз спроса. Ну, это же просто праздник какой-то, ёперный театр! Там можно оторваться по полной, экспериментировать, пробовать всякую дичь. Ансамбли из LightGBM, Prophet и линейных моделек — звучит мощно. Но я-то знаю, чувак, что в таких соревнованиях вся магия не в выборе модели, а в feature engineering. Вот где собака зарыта, сука! Лаги, скользящие средние, календарные фичи — день недели, праздники, отпуска... Это ты правильно копал. И результат-то какой — топ-10%, серебряная медаль! Это ж, блядь, ни хуя себе достижение! Тысячи людей участвуют, а ты в лучшую десятку процентов влез. Можно гордиться, честно.
В общем, сидишь ты, значит, на двух стульях: один — стабильный, денежный, с кучей ответственности, а второй — азартный, для мозгового драйва. И на обоих, сука, не проваливаешься. Красава. Только смотри, не перегори, а то будет тебе хиросима и нигерсраки в одном флаконе. Отдыхай иногда, ёб твою мать.
