Какие задачи были на предыдущей работе

Разрабатывал и внедрял модели машинного обучения для прогнозирования оттока клиентов (churn prediction) с использованием XGBoost и CatBoost. Добился повышения точности на 15% по сравнению с предыдущей моделью.

Создавал ETL-пайплайны для обработки больших объемов данных (PySpark, Airflow). Например:

def process_data(df):
    df = df.withColumn("new_feature", F.col("feature1") * F.col("feature2"))
    return df.dropna()

Проводил A/B тестирование новых алгоритмов рекомендаций, анализировал статистическую значимость результатов (t-test, bootstrap).

Оптимизировал SQL-запросы, сократив время выполнения на 30% через переиндексацию и переписывание сложных подзапросов.

Визуализировал ключевые метрики в Tableau/Power BI для нетехнических стейкхолдеров.