Данило

Піддубний Данило
Data Scientist / ML Engineer
email: [відкрити контакти](див. вище в блоці «контактна інформація»)
Tel: [відкрити контакти](див. вище в блоці «контактна інформація»)
Telegram: @DanilPoddubnyi
ПРО МЕНЕ

Python / Machine Learning Engineer з майже 2 роками досвіду у розробці та впровадженні ML-рішень. Реалізовував проекти з аналізу даних, класифікації та прогнозування, включаючи побудову end-to-end pipeline та інтеграцію моделей у backend.
Використовую scikit-learn, PyTorch, pandas, PostgreSQL, FastAPI, LangGraph. Працював з підготовкою даних, feature engineering, навчанням та оцінкою моделей, а також їх деплоєм у вигляді API.
НАВИЧКИ

Технічні:
– Мови програмування: Python, С++
– Python libraries: scikit-learn, PyTorch, pandas, NumPy, FastAPI, SQLAlchemy, Psycopg, transformers, LangGraph, matplotlib, pydantic, PyQT, FAISS, BeautifulSoup
– Machine Learning: classification, regression, data preprocessing, feature engineering, model evaluation, hyperparameter tuning, PyTorch (neural network basics, training loop, loss functions, optimizers), model deployment basics
– Databases: PostgreSQL, SQL, FAISS
– Tools: Git, GitHub, Jupyter Notebook

Soft skills:
– Аналітичне мислення, швидке навчання, відповідальність, командна робота, увага до деталей, адаптивність до нових технологій, тайм-менеджмент

Досвід

ML Engineer | Uinno2024 вересень – 2026 лютий
NLP Chatbot System Розробив чат-бота для обробки запитів користувача
• Інтегрував LLM через API (prompt engineering, few-shot learning)
• Реалізував retrieval-augmented generation (RAG)
• Налаштував обробку користувацьких intents та fallback-логіку
• Зменшив навантаження на підтримку на ~30%
• Використовував: Python, LangChain, FastAPI

Recommendation System for E-commerce
• Розробив модель персоналізованих рекомендацій товарів
• Використав колаборативну фільтрацію та content-based features
• Збільшив конверсію користувачів на ~7%
• Використовував: Python, pandas, scikit-learn
User Session Duration Prediction
• Створив модель прогнозу тривалості ігрової сесії користувача
• Враховував час доби, тип гри, історію ставок
• Допоміг маркетинговій команді оптимізувати акції та бонуси
• Використовував: Python, XGBoost, pandas
Освіта

Національний університет «Запорізька політехніка», Запоріжжя
Спеціальність Комп’ютерні науки, Студент
КУРСИ

–Machine Learning Specialization — Google / Coursera
–Deep Learning with PyTorch — online course
Мови

– Українська — рідна мова
– Англійська — рівень В1