Ярослав

ЯРОСЛАВ СТЕЦЮК
Junior Machine Learning Engineer / Data Scientist
Рівне, Україна • [open contact info](look above in the "contact info" section) • [open contact info](look above in the "contact info" section)
GitHub • Tableau Public • Telegram

ПРОФЕСІЙНИЙ ПРОФІЛЬ
Junior ML Engineer / Data Scientist, студент 4 курсу НТУ «ХПІ» (Прикладна математика, ОП «Інтелектуальний аналіз даних»).
Маю досвід роботи з SQL та Python у фінтех-компанії і портфоліо з 6 ML-проєктів: Tabular Data ML (регресія, класифікація,
кластеризація, feature engineering) на Python / scikit-learn, нейромережі та Computer Vision на PyTorch (власні цикли
навчання, Dataset/DataLoader, аугментація, GPU). Працюю за схемою: EDA → feature engineering → модель → валідація
(RMSE, R², Accuracy, F1, крос-валідація) → бізнес-висновки; контролюю перенавчання та data leakage (fit трансформацій лише
на train, sklearn Pipeline). Розумію алгоритми «під капотом» завдяки математичній освіті — від градієнтного спуску до PCA.
Шукаю позицію Strong Junior ML Engineer для роботи над підвищенням точності CV/NLP-моделей та розробкою нових.

НАВИЧКИ
Python (Pandas, NumPy, Matplotlib, Seaborn; ML-пайплайни, чистий структурований код) • Machine Learning (scikit-learn:
Linear/Polynomial/Logistic Regression, Decision Tree, Random Forest, SVM, K-Means, DBSCAN, Mean Shift, PCA, Pipeline,
StandardScaler; Feature Engineering; метрики RMSE, R², Accuracy, F1; Tabular Data ML) • Deep Learning / PyTorch (nn.Module,
власні цикли навчання, Dataset/DataLoader, BatchNorm, аугментація, Adam; регресія та класифікація зображень) • SQL (CTE,
Window Functions, JOINs, Subqueries, CASE, агрегації; підготовка даних для аналізу) • Математика (лінійна алгебра,
матаналіз, дискретна математика) • Аналітика (EDA, Tableau, Excel — Pivot Tables) • Інструменти: Git/GitHub, Jupyter, Google
Colab

ДОСВІД РОБОТИ У ФІНТЕХ-КОМПАНІЇ
● Працював із SQL для вибірки, агрегації та підготовки даних у фінтех-продукті: дані про
транзакції, клієнтів і звітність.
● Використовував Python (Pandas, NumPy) для автоматизації, аналізу та обробки даних.
● Автоматизував звіти за допомогою Python.
SQL · Python · Pandas · Excel

ПРОЄКТИ
2026 Класифікація зображень CIFAR-10 — Computer Vision (PyTorch) | GitHub · Colab
● Навчив нейромережу (MLP, ≈1,05 млн параметрів) для класифікації 60 000 зображень CIFAR-10
на 10 класів.
● Побудував пайплайн: Dataset/DataLoader, аугментація (RandomHorizontalFlip, RandomCrop),
BatchNorm1d, CrossEntropyLoss, Adam; навчання на GPU (CUDA).
● Написав власні цикли навчання та валідації (loss/accuracy), збереження ваг (.pth), візуалізацію
передбачень.
Python · PyTorch · torchvision · Matplotlib · Google Colab
2026 Прогноз медичних витрат — Tabular Data, нейромережа-регресор (PyTorch) | GitHub
● Побудував нейромережу (nn.Module, 10→100→50→1, ReLU) для прогнозу медичних витрат за
віком, ІМТ, курінням, регіоном (1 338 записів).
● Feature engineering: one-hot кодування категоріальних ознак; виявив куріння як головний
фактор витрат (кореляція ≈ 0,79); стандартизація X та y з fit лише на train (без data leakage).
● Власний цикл навчання (MSELoss, Adam, 600 епох); оцінка в реальних одиницях через
inverse_transform (RMSE, R²).
Python · PyTorch · Pandas · scikit-learn · Seaborn
2026 Прогноз вартості житла — регресія, California Housing (scikit-learn) | GitHub
● Порівняв 4 регресійні моделі: найкраща — поліноміальна 2-го ступеня, RMSE 65 502 проти 112
967 у простої лінійної регресії (−42%).
● Показав перенавчання на моделі 3-го ступеня (RMSE 69 487) і обрав оптимальну складність
моделі.
● Масштабування з fit лише на train (без data leakage); PolynomialFeatures + LinearRegression у
sklearn Pipeline.
Python · Pandas · NumPy · scikit-learn

2026 Сегментація клієнтів — Unsupervised Learning (scikit-learn) | GitHub · Colab
● Знайшов приховані групи клієнтів за віком, доходом, витратами та поведінкою покупок без
розмітки (2 240 клієнтів, 29 ознак).
● EDA, обробка пропусків, feature engineering (Age, Total_Spending, Total_Children,
Customer_Since), стандартизація.
● Порівняв K-Means (k = 6, метод ліктя), Mean Shift і DBSCAN; візуалізував кластери через PCA;
описав профілі 6 сегментів для маркетингу.
Python · Pandas · NumPy · scikit-learn · Matplotlib · Seaborn
2025 Аналіз продажів «BikeStores» (SQL, Excel, Tableau) | GitHub · Tableau Public
● Повний цикл аналізу продажів: SQL-запити для вибірки й агрегації даних, зведені таблиці в
Excel, інтерактивні дашборди в Tableau.
● Сформував бізнес-висновки щодо динаміки продажів і найефективніших категорій товарів для
підсумкового звіту.
SQL · Excel · Tableau

ОСВІТА
4 курс НТУ «Харківський політехнічний інститут» | студент 4 курсу
Прикладна математика · ОП «Інтелектуальний аналіз даних» | Ключові дисципліни: математичний
аналіз, лінійна алгебра, організація баз даних, дискретна математика

МОВИ
Українська — рідна • Англійська — B1