Стажер/младший аналитик данных

Описание

Резюме


ФИО : Лебедкова Мария Александровна
Телефон : +7(952)359 -20 -22
Город проживания : г. Санкт -Петербург
Электронная почта : lebedkova .mary @ yandex .ru
GitHub : https :// github .com /MaryaLA 2020
День рождения : 19.01.2001
Место рождения : г. Шахты, Ростовская область
Гражданство : Российская Федерация


Образование:

2018 – настоящее время Горный инженер

Сан кт -Петербургский Горный Унив ерситет,
Кафедра геофизических и геохимических методов поиска и разведки месторождений полезных
ископаемых .

Специализация: Геофизические методы поисков и разведки месторождений полезных
ископаемых .


Средний балл: 4.8


2019 – настоящее время

Московский Энергетический Институт,
Институт дистанционного и дополнительного образования .

Направление : Управление в технических системах .


Средний балл: 4.7


Учебный опыт :

Май 2019 Курсо вой проект по дисциплине Информатика
Решение систем нелинейных уравнений методом простых итераций с
параметрами . В работе выполнено решение системы алгебраических
уравнений вручную, в редакторе Microsoft Excel, математическом пакете
MathCAD, реализован алг оритм решения на языке VBA.

Декабрь 2020 Курсовой проект по дисциплине Магниторазведка
Автоматизация обработки данных наземной магниторазведки . В данной
работе продемонстрированы два варианта автоматизации введения
поправок за вариации маг нитного поля. Первый вариант реализован с
помощью MS Excel, а второй с помощью Python 3.8. Также
представлены результаты работы каждого из вариантов и сравнение их
удобства.

Май 2021 Курсовой проект по дисциплине Гравиразведка
Обраб отка данных наземной гравиметрической съемки . В ходе данной
курсовой работы для автоматизации введения поправок в
гравитационное поле использовался язык программирования Python 3.8
(GitHub https://github.com/MaryaLA2020/Processing -of -gravimetric -survey -
data ).

Курсовой проект по дисциплине Теория поля
Автоматизация расчета вертикальной производной для материалов
площадных наблюдений физических полей . В качестве исходных
дан ных использовалось модельное поле шара, рассчитанное в MS Excel
и реальные данные магнитометрической съемки. Работа была
выполнена с использованием Python 3.8 (GitHub
https://githu b.com/MaryaLA2020/automatic_vertical_derivative ).

Июль 2021 Учебная практика в МЭИ (дистанционная)
Решение задачи классификации текстовой информации по
эмоциональной окраске методами машинного обучения.
Использо ванные в работе методы: К ближайших соседей, метод
опорных векторов, случайный лес. Для реализации данных методов
была использована библиотека Scikit -learn (GitHub
https://github.com/Mary aLA2020/reviews -from -kinopoisk ).

Октябрь 2021 Учебная программа в университете Сириус
Учебная программа «Применение информационно -коммуникационных
технологий в нефтегазовой сфере» от Газпромнефть НТЦ. В рамках
программы принято участие в р еализации проекта «Интеллектуальное
восстановление сейсмических данных с применением нейронных
сетей». Требовалось экстраполировать сейсмические данные по
периметру куба. В процессе работы использовались такие архитектуры
нейронных сетей, как CNN и U-net , реализованные в различных GitHub
репозиториях.

Владение программным обеспечением:
Golden Software Surfer , Microsoft Office , MathCAD , Python 3 (основной язык
программирования ), SQL (на базовом уровне) , Jupyter Notebook .

Владение иностранными языками: Английский (на уровне чтения документации).

Сертификаты :
• Программирование на Python , Stepik , Январь 2021 г.;
• Python : Основы и применение, Stepik , Февраль 2021 г.;
• Основы статистики, Stepik , Февраль 2021 г.;
• Python, Kaggle, Март 2021 г.
• Математика и Python для анализа данных, Coursera , Август 2021 г.
• Neural Networks and Deep Lea rning , Coursera, Август 2021 г.
• Improving Deep Neural Networks: Hyperparameter Tuning, Regularization and
Optimization , Coursera, Ноябрь 2021 г.
• Обучение на размеченных данных, Coursera , Февраль 202 2 г.

О себе:

Ответственно подхожу к выполнению своих обязанностей, умею грамотно распределить время,
требующееся на выполнение рабочих задач. Готова к работе в команде и индивидуально.
Хотела бы постоянно учиться чему -то новому и развиваться в направлении своей
профессиональной деятельности. Всегда стараюсь применить полученные самостоятельно
знания в области Data Science на практике в рамках курсовых и практических работ в обоих
вуз ах.