Особисті дані приховані

ЄВГЕН КОВАЛЬОВ
Junior Data Analyst
Київ, Україна | [відкрити контакти](див. вище в блоці «контактна інформація») | [відкрити контакти](див. вище в блоці «контактна інформація») | github.com/exEKS
ПРО СЕБЕ
Python-розробник з міцною математичною базою (прикладна математика) та практичним досвідом роботи з даними. Вмію збирати, очищати та аналізувати дані, будувати пайплайни обробки даних і створювати звіти. Маю досвід роботи з SQL (JOIN, агрегації, фільтрація), Python (Pandas, NumPy) та розгортання аналітичних сервісів.
НАВИЧКИ
Дані та аналіз
Pandas, NumPy — збір, очищення, обробка та аналіз даних; виявлення аномалій
SQL
SELECT, JOIN, агрегації, фільтрація, аналітичні запити; PostgreSQL; Excel
Python
Пайплайни обробки даних, scikit-learn, побудова ML-моделей (класифікація, часові ряди)
Візуалізація
Streamlit (дашборди); досвід побудови звітів та інтерфейсів для перегляду даних
BI-інструменти
Базові навички; Power BI
Бекенд / DevOps
FastAPI, Docker, AWS EC2, REST API, SQLAlchemy
Інструменти
Git, pytest, Postman, Jupyter Notebook

ПРОЄКТИ
Система прогнозування відтоку клієнтів | Python · Pandas · scikit-learn · SQL · FastAPI · Docker
• Провів повний EDA та feature engineering на датасеті клієнтів фітнес-клубу
• Очистив та трансформував дані, виявив аномалії та паттерни поведінки
• Навчив класифікаційну модель (scikit-learn) для прогнозування ймовірності відтоку
• Реалізував взаємодію з БД через SQLAlchemy (PostgreSQL); написав аналітичні SQL-запити
• Побудував FastAPI-бекенд для подачі прогнозів і контейнеризував сервіс у Docker

Прогноз повітряних тривог по регіонах України (командний проєкт) | Python · Pandas · NumPy · scikit-learn · Streamlit · FastAPI · AWS EC2
• Виступав тімлідом: організовував роботу команди, розподіляв задачі та контролював терміни
• Реалізував пайплайни збору та попередньої обробки даних із кількох публічних джерел
• Навчив ML-моделі для прогнозування ймовірності тривог у розрізі регіонів
• Побудував інтерактивний Streamlit-дашборд для візуалізації та звітності
• Задокументував архітектуру системи та процес роботи з даними
результат: http://16.16.184.224/

Прогноз часових рядів (ціна Bitcoin) | TensorFlow · Dense · CNN · LSTM · N-BEATS
• Реалізував різні архітектури нейромереж (Dense, CNN, LSTM, N-BEATS) для задачі forecasting
• Застосував temporal windowing і коректне train/test розбиття для уникнення data leakage
• Оцінював моделі за MAE та RMSE; порівнював результати та документував висновки
ОСВІТА
Бакалавр прикладної математики
Національний університет «Києво-Могилянська академія» | Київська школа економіки
Курси: Лінійна алгебра, Теорія ймовірностей, Математичний аналіз, Методи оптимізації, Метричні та нормовані простори
СЕРТИФІКАТИ
Повний список: github.com/exEKS/CV
• DeepLearning.AI & Stanford — Supervised Machine Learning: Regression & Classification (Coursera, 2025)
• DeepLearning.AI & Stanford — Advanced Learning Algorithms (Coursera, 2025)
• IBM — Developing AI Applications with Python and Flask (Coursera, 2025)
• Complete SQL Mastery: Zero to Hero
• Advanced Deep Learning with TensorFlow Bootcamp
• Comprehensive Deep Learning Bootcamp with PyTorch
МОВИ
Українська: рідна | Англійська: B1