Специалист по работе с данными (data scientist) Казаков Денис

Навыки

Опыт работы

• Лингвист-исследователь в экспертном центре компании AWATERA

Одна из крупнейших переводческих компаний России, СНГ и Восточной Европы. Экспертный центр отвечает за проведение исследований, поиск и внедрение новых технологий, создание новых продуктов и решение нестандартных задач.

Мои результаты:


• Корпоративный сервис распознавания речи


• Написал бэкенд.
• Доступ через веб-интерфейс.
• Развертывание на сервере или локально.
• Сегментация по предложениям и времени.
• Поиск пропусков и галлюцинаций.
• Редактирование расшировки с помощью LLM.
• Выбор формата выдачи.
• Доставка результатов по электронной почте.
• Добавление функций по запросам пользователей.
• Контроль версий (Git), логирование и исправление ошибок.
• Написал документацию, провел обучение пользователей и других разработчиков.



• Классификатор текстов по тематикам

Компания ежедневно обрабатывает сотни заказов на перевод. Их необходимо распределять по подразделениям в зависимости от тематики: технический перевод, юридический, медицинский и т.п.


• Два уровня: первый (промышленность, медицина и т.д.) и второй (для медицины – фармакология, клинические исследования и т.п.). Свой классификатор для каждого языка.
• Архитектура – BERT.
• Обучение моделей с учетом ограничений по ресурсам (gradient accumulation и т.п.).
• Оценка качества работы в производстве.
• Создал пайплайн для обучения моделей, помог с освоением другим разработчикам.



• Эксперименты


• Обосновал необходимость использовать слепой метод.
• Написал скрипт для обезличивания данных и восстановления идентификаторов после оценки.
• Реализовал определение статистической значимости выявленных различий, в том числе при множественном сравнении, с помощью статистических критериев и численного моделирования (bootstrap).
• Оценивал необходимый объем выборки (мощность критерия) с помощью численного моделирования (bootstrap).
• Подготовил учебные материалы и провел обучение основам статистики и использованию скриптов.


• Работа с большими языковыми моделями (LLM): OpenAI GPT, Anthropic Claude и др.


• Изучение и сравнительный анализ различных LLM (Llama, SeamlessM4T, Mistral и другие).
• Использование LLM для перевода и редактирования текстов, оценки качества переводов, составления глоссариев.
• Разработка запросов к LLM (prompt engineering).
• Дообучение (fine-tuning).



• Информационный поиск


• Парсинг PDF.
• Поиск по корпоративной базе знаний.
• Генерация с использованием результатов поиска (RAG).
• Оценка качества машинного перевода


• Сравнительный анализ различных метрик качества (hLEPOR, COMET, BERTScore).
• Обучение LLM оценке качества переводов.


• Корпоративный сервис для генерации речи


• Доступ через веб-интерфейс.
• Написал бэкенд для прототипа.


• Устный машинный перевод


• Разработал прототип с клиент-серверной архитектурой.
• Организовал тестирование для проверки концепции.


• Прочие задачи по обработке естественного языка (NLP)


• Подбор токенизаторов под разные задачи (NLTK, SpaCy, tiktoken, BPE, WordPiece).
• Выявление имен собственных (NER). Сравнение алгоритмов.


• Работа со отраслевыми форматами данных (tmx, xliff): преобразование форматов, модификация файлов в этих форматах.


• Базы данных и аналитика. Розничный бизнес в том же холдинге.


• Инициировал создание базы данных по продажам и отгрузкам.
• Выбрал архитектуру.
• Обеспечивал загрузку данных.
• Регулярно делал аналитику для следующих задач:
• Приоритизация маркетинговых мероприятий
• Выявление позиций, отсутствующих в торговых точках (on-shelf availability).





• Публикации по машинному обучению на Хабре.


• Учебные проекты.


• До этого – переводчик.

Диплом о высшем образовании: физический факультет Московского государственного университета.

Профессиональная переподготовка по программе «Специалист по работе с данными. Data scientist». Школа-21 Сбер совместно с Томским государственным университетом.

Достижения:

• Закончил курс первым из 160 участников
• Студенты, обучающиеся быстрее других, делали разборы проектов для тех, кто учился медленнее. Из 16 проектов курса я делал разбор четырех
• Как один из лучших учащися принимал курсовые проекты других студентов (обычно принимает персонал)