Какими задачами занимался на прошлом проекте

Работал над end-to-end ML проектом: от сбора данных до внедрения модели в production. Основные задачи:

1. Feature Engineering - создание новых признаков из сырых данных (временные ряды, тексты)
2. Построение и оптимизация моделей - работал с XGBoost, LightGBM, нейросетями (PyTorch)
3. ML Pipeline - автоматизация обучения и инференса с помощью Airflow
4. A/B тестирование - сравнение новой модели с baseline

Пример кода для feature engineering:

def create_time_features(df):
    df['hour'] = df['timestamp'].dt.hour
    df['day_of_week'] = df['timestamp'].dt.dayofweek
    return df

Также занимался мониторингом дрейфа данных и переобучением моделей.