Расскажи о своих проектах

Я работал над несколькими сквозными проектами, от исследования до внедрения. Вот два ключевых:

1. Система прогнозирования оттока клиентов для телеком-оператора

   • Задача: Снизить churn rate (процент оттока) за счет раннего выявления клиентов с высокой вероятностью ухода.
   • Мое участие: Собрал и проанализировал данные о транзакциях, тарифах и обращениях в поддержку. Провел feature engineering, создав признаки, такие как «средний чек за последний месяц» и «частота обращений».
   • Решение: После сравнения нескольких алгоритмов выбрал LightGBM, так как он показал лучший баланс скорости и качества. Модель достигла AUC-ROC 0.89.
   • Результат: Внедренный пайплайн еженедельно генерировал список «горячих» клиентов для отдела удержания. За первый квартал работы системы удалось снизить отток в целевой группе на ~7%.

2. Сервис автоматической модерации пользовательского контента (NLP)

   • Задача: Автоматически фильтровать оскорбительные комментарии на платформе.
   • Мое участие: Подготовил датасет (разметка + аугментация текстов). Обучил и сравнил модели на основе BERT (rubert-tiny) и классических методов (TF-IDF + LogisticRegression).
   • Решение: Для баланса скорости/точности выбрали легкую модель на дистиллированном BERT. Разработал микросервис на FastAPI, который принимает текст и возвращает вероятность нарушения.
   • Результат: Сервис обрабатывает ~1000 запросов в минуту с задержкой <50 мс. Точность (F1-score) на тестовой выборке составила 92%. Это позволило сократить нагрузку на ручных модераторов на 40%.