• File

Святослав

Data scientist

Considering positions:
Data scientist, ML Engineer 
Age:
21 years
City of residence:
Vinnytsia
Ready to work:
Remote

Contact information

The job seeker has provided: Phone numberMessenger

Name, contacts and photo are only available to registered employers. To access the candidates' personal information, log in as an employer or sign up.

Uploaded file

Quick view version

This resume is posted as a file. The quick view option may be worse than the original resume.

Святослав Проців
Junior Data Scientist
Телефон: [open contact info](look above in the "contact info" section)
Електронна пошта: [open contact info](look above in the "contact info" section)
Telegram: @tpochuk | GitHub: github.com/TPOCHUK
Місто: Вінниця, Україна
Формат роботи: тільки дистанційно
ПРО СЕБЕ
Студент другого курсу спеціальності G7 «Автоматизація та робототехніка» з попередньою освітою за
спеціальністю G3 «Електрична інженерія». Розвиваю навички машинного навчання та штучного інтелекту у
власних проєктах. Маю практичний досвід роботи з Python, PyTorch, комп’ютерним зором, LLM/RAG і
створенням API для ML. Зараз поглиблюю знання з LLM, ШІ-агентів, розгортання ML-моделей та AWS.

ТЕХНІЧНІ НАВИЧКИ
Мови програмування: Python, SQL
LLM та RAG: LangChain, LangGraph (базово), векторні подання (embeddings), Qdrant, API для LLM
ML та комп’ютерний зір: PyTorch, Scikit-learn, XGBoost, Pandas, NumPy, OpenCV, YOLO
Серверна розробка та розгортання: FastAPI, MQTT; MLflow (базово)
Інструменти: Git у власних проєктах; основи Linux/Bash; розробка у Windows
Хмарні технології: вивчаю AWS; теоретичні знання
Мови спілкування: українська — вільно; англійська — B1
ОСОБИСТІ ТА НАВЧАЛЬНІ ПРОЄКТИ
Predictive Maintenance — прогнозування залишкового ресурсу | GitHub
Python, PyTorch, FastAPI, PostgreSQL, SQLAlchemy, Alembic, MQTT, Docker Compose
• Побудував наскрізну систему на NASA C-MAPSS FD001: попередня обробка сенсорних даних, вікна по 80
циклів, інференс LSTM, історія прогнозів та інформаційна панель у реальному часі.
• Порівняв моделі LSTM і CNN; навчив Conservative LSTM Q20, щоб зменшити ризик переоцінювання
залишкового ресурсу.
• Conservative LSTM Q20: MAE 9.913, RMSE 15.060, R² 0.869 на всіх 100 тестових двигунах; LSTM під час
роботи системи: MAE 13.12.
• Робоча локальна демоверсія: приймання даних через MQTT, FastAPI, міграції PostgreSQL, перевірки
працездатності та стек із чотирьох сервісів у Docker Compose. CI виконує перевірку коду, тести, базові
перевірки фронтенду та наскрізне відтворення даних.
Person ReID Tracker — локальне відстеження людини у відео | GitHub
Python, YOLOv8, ByteTrack, ONNX Runtime, OpenCV, FastAPI, Pytest
• Створив локальний сервіс комп’ютерного зору, що відстежує вибрану людину й відновлює її
відстеження після коротких перекриттів або зміни ID у ByteTrack, без розпізнавання обличь.
• Додав REST API, MJPEG-потік із позначками, безпечний за одночасних запитів START/STOP, вивільнення
ресурсів і тести затримки, стабільності та HTTP-навантаження.
• Тест на CPU: 27.37 FPS, затримка p50 — 22.25 мс; успішно пройдено 36/36 тестів і 100/100 HTTP-запитів
від 8 клієнтів; 5-хвилинний тест стабільності завершено без помилок.

AnkiAutoCards — Windows-застосунок на основі LLM | GitHub
Python, LangChain, LangGraph, AnkiConnect, Edge TTS, Pytest, Ruff, GitHub Actions
• Створив настільний застосунок, що перетворює англійські слова та вирази на картки Anki з українським
перекладом, прикладами речень і двома аудіодоріжками.
• Реалізував редагування попереднього перегляду, виявлення дублікатів, власні переклади та повторні спроби
після некоректних відповідей LLM; підтримуються OpenAI, OpenRouter, Anthropic і сумісні API.
• Додав можливість зберігати API-ключ у Windows Credential Manager; картки додаються в Anki із
затвердженого попереднього перегляду без повторного звернення до LLM.
• Підготував збірку для Windows із 21 автоматизованим тестом і CI-матрицею з чотирьох комбінацій
Windows/Ubuntu та Python 3.10/3.12.

ДОДАТКОВІ ПРОЄКТИ
RAG-система з оцінюванням пошуку — навчальний проєкт
Python, LangChain, векторні подання (embeddings), Qdrant
• Реалізував завантаження документів, поділ на фрагменти, створення векторних подань, векторний
пошук у Qdrant і відповіді LLM на основі знайденого контексту.
• Створив тестові запити й оцінив якість пошуку за точністю (precision) та повнотою (recall).
• Протестував систему на власній колекції документів і перевірив узгодженість відповідей зі знайденим
контекстом.

Машинне навчання на табличних даних — навчальні проєкти Kaggle
Python, Pandas, NumPy, Scikit-learn, XGBoost
• Працював над задачами класифікації, регресії, прогнозування часових рядів і навчання без учителя.
• Виконував розвідувальний аналіз даних (EDA), обробляв пропуски та викиди, кодував категоріальні
ознаки, створював нові ознаки й знижував розмірність.
ОСВІТА
Вінницький національний технічний університет
Автоматизація, комп’ютерно-інтегровані технології та робототехніка | 2025–дотепер
Вінницький технічний фаховий коледж
Електроенергетика, електротехніка та електромеханіка | 2021–2025
ПОТОЧНЕ НАВЧАННЯ
AWS — підготовка до AWS Certified Solutions Architect – Associate (SAA-C03).

Similar candidates

All similar candidates


Compare your requirements and salary with other companies' jobs: