Контактна інформація

Шукач вказав телефон та ел. пошту.

Отримати контакти цього кандидата можна на сторінці https://www.work.ua/resumes/17888850/

Досвід роботи

Немає досвіду роботи.

Освіта

КНУ імені Шевченка

ФКНК Інженерія ПЗ, Київ
Незакінчена вища, з 2025 по 2029 (4 роки)

Знання і навички

• Python
• Git
• GitHub
• SQL
• Здатність до навчання
• SQLite

Знання мов

Англійська — середній

Додаткова інформація

Студент ФКНК КНУ ім. Тараса Шевченка за спеціальністю «Інженерія програмного забезпечення». Маю міцну базу з алгоритмів, структур даних та об'єктно-орієнтованого програмування (C++, Python). Активно розвиваюсь у напрямку Machine Learning та розробки високонавантажених аналітичних систем. Маю успішний досвід побудови гібридних систем виявлення шахрайства з використанням графової аналітики (GNN) та глибокого навчання для фінтех-сектору.

Навички (Hard Skills):

Мови програмування: Python, C++.

Machine Learning & Data Science: PyTorch (GNN/GraphSAGE, RNN/GRU, Autoencoders), XGBoost, CatBoost, LightGBM, Scikit-Learn.

Обробка даних & Графи: Polars, Pandas, NumPy, SciPy, NetworkX (PageRank, Community Detection).

MLOps & Оптимізація: Optuna, SHAP, Joblib, Data Drift Detection (PSI/KS).

Розробка та Інструменти: Git, GitHub, CMake, Visual Studio, VS Code, Streamlit.

Комп'ютерні науки: Структури даних та алгоритми, дискретна математика, основи кібербезпеки та реверс-інжинірингу (робота з пам'яттю, x64dbg).

Frontend: Основи веб-розробки.

Досвід та Проекти:

Machine Learning Engineer — Antifraud V2.0 (MonoXScelar Competition)
Комплексна гібридна система виявлення шахрайства, що поєднує класичні правила, графову аналітику та методи глибокого навчання.

Гібридна архітектура: Розробив багаторівневий пайплайн (Rule-based + Graph + ML) із впровадженням Shadow Mode для тестування моделей у реальному часі без блокування легітимних транзакцій.

Графова аналітика (GNN): Побудував біпартитний граф «Користувач–Картка» та реалізував модель Inductive GraphSAGE (PyTorch) для виявлення мереж «дропів» та схем відмивання коштів.

Deep Learning & Ensembles: Створив рекурентні нейромережі (GRU) для аналізу часових послідовностей транзакцій. Застосував автоенкодери та Isolation Forest (Ensemble Stacking) для пошуку аномалій і патернів card testing.

Advanced Feature Engineering: Впровадив Geospatial Analytics (Airline Speed Check), статистичні методи (Закон Бенфорда) та NLP-евристики для аналізу email-адрес.

Оптимізація та MLOps: Прискорив обробку даних у 5 разів за допомогою Polars; налаштував автоматичний моніторинг стабільності фіч (PSI/KS) та використав SHAP для забезпечення повної інтерпретованості рішень моделі.

System Security & Debugging (Pet Project)

Дослідження в галузі кібербезпеки: розробка інструментів для аналізу пам'яті програм, вивчення механізмів ін'єкцій та використання x64dbg для реверс-інжинірингу.

Web Development (Pet Project)

Розробка та верстка інтерфейсу користувача, застосування базових веб-технологій для створення інтерактивних елементів.

Освіта:
Київський національний університет імені Тараса Шевченка (КНУ)
Факультет комп'ютерних наук та кібернетики (ФКНК)
Студент бакалаврату, спеціальність: Інженерія програмного забезпечення (Software Engineering).

Мови:

Англійська — B2 (Upper-Intermediate)

Українська — Рідна