Данило Костенко

Фахівець з даних, який випускає прогнозні моделі, що виживають у продакшні

Старший фахівець з даних, прогнозування

З березня 2022

Відповідаю за прогнозування попиту на рівні магазинів, що живить поповнення для 140 магазинів і близько 30 000 товарних позицій.

  • Замінив стару статистичну pipeline ієрархічною моделлю на градієнтному бустингу, покращивши WAPE на рівні позиції з 34 % до 24 %.
  • Покращення прогнозів знизили списання швидкопсувних товарів на 18 % і дефіцит на полиці на 11 %, що оцінюється у 270 млн гривень на рік.
  • Побудував моніторинг дрейфу та автоматичне зворотне тестування; тихі деградації моделі виявляються за години замість тижнів.
  • Веду щоквартальний огляд прогнозів із керівництвом ланцюга постачання, перекладаючи поведінку моделі на закупівельні рішення.
ПрогнозуванняГрадієнтний бустингMLOpsРоздрібна торгівля

Фахівець з даних

Вересень 2019 - лютий 2022

Короткострокове прогнозування навантаження та відновлюваної генерації для енергопостачальника, що балансує портфель на 400 МВт.

  • Покращив MAPE добового прогнозу навантаження з 4,1 % до 2,9 %, знизивши витрати на балансування приблизно на 54 млн гривень на рік.
  • Побудував імовірнісну модель сонячної генерації, яку трейдинг використовує для визначення розміру позицій протягом доби.
  • Запровадив підходи feature store, що скоротили ітерацію нової моделі з тижнів до днів.
Часові рядиІмовірнісне прогнозуванняЕнергетичні ринки

Аналітик даних

Жовтень 2017 - серпень 2019

Аналітика клієнтів та асортименту для роздрібних клієнтів.

  • Побудував модель скорингу відтоку для телеком-клієнта, яка підняла конверсію утримувальної кампанії у 2,3 рази порівняно з випадковим таргетингом.
  • Автоматизував щотижневу систему клієнтської звітності, вивільнивши близько одного аналітичного дня на тиждень.
PythonSQLМоделювання відтоку

reconcile-ts

З червня 2023

Python бібліотека, що реалізує MinT і bottom-up узгодження з API, сумісним зі scikit-learn.

  • Понад 700 зірок на GitHub; за повідомленнями користувачів працює щонайменше в чотирьох продакшн-системах прогнозування в рітейлі.
  • Набір бенчмарків відтворює опубліковані результати узгодження на трьох публічних наборах даних.
Відкритий кодPythonПрогнозування
З вересня 2024

Практичний вечірній воркшоп про прогнозування в продакшні, двічі на рік у місцевій спільноті даних.

  • Навчив понад 90 практиків у чотирьох групах із середньою оцінкою 4,8/5.
  • Усі матеріали у відкритому доступі, включно з реалістичним синтетичним продуктовим набором даних.
ВикладанняСпільнота