Ангелина П.
биоинформатик, датасантистСейчас я в поисках компании или проекта по обработки данных в медицине, науке и других отраслях, где смогу привнести что-то полезное из своего опыта.
| Последнее обновление резюме | 15.08.2024 |
| Адрес | Санкт-Петербург, Russian Federation |
| Электронная почта | Заблокировано |
| Телефон | Заблокировано |
| Соцсеть или сайт | Заблокировано |
Опыт
Инспектор отдела информационных технологий
• осуществляла мероприятия по повышению качества и совершенствованию технологий обработки информации,
• соблюдала конфиденциальность при работе с персональными данными,
• доводила до заинтересованных лиц всю необходимую информацию, касающуюся изменения и введения новых модулей и алгоритмов обработки служебной информации,
• консультировала подведомственные муниципальные образования по ведению и актуализации единой базы адресов России ФИАС,
• организовывала процессы приема-передачи информации в электронном виде при взаимодействии налоговых органов с налогоплательщиками и сторонними организациями.
Образование
Факультет: Data Science в медицине
Введение в машинное обучение
Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn
Линейная алгебра
Теория вероятностей и математическая статистика
Linux. Рабочая станция
Основы реляционных баз данных. MySQL
Введение в нейронные сети
Фреймворк PyTorch для разработки искусственных нейронных сетей
NLP
Язык R для анализа данных
Введение в молекулярную биологию и генетику
Введение в анализ данных в медицине
Прикладная статистика в медицине
Прогнозирование и диагностика в медицине с помощью машинного обучения
Computer Vision для медицинских изображений
Применение NLP в здравоохранении
Северо-Западный государственный заочный технический университет
В чем вы сильны?
Ключевые навыки:
Среды: PyCharm, Colab, Jupyter Notebook, Visual Studio Code, GitHub, RStudio, Linux, DBeaver.
Машинное обучение:
Препроцессинг данных: Numpy, Math, scikit-learn, NLTK, re, OpenCV.
Разведочный анализ данных: Pandas, Seaborn, Matplotlib, SciPy.
Выбор модели: Linear Regression, Decision Tree Regression, Random Forest, Gradient Boosting; Logistic Regression; Decision Tree Classifier, KNN; sklearn.neural_network, Pytorch, Tensorflow, transformers.
Настройка модели: подбор функций потерь, оптимизаторов и метрик.
Прикладная статистика:
Препроцессинг данных и описательная статистика: janitor, skimr, ggcorrplot, psych.
Пакеты: tidyverse, survival, tsummary, rstatix, FSA, jackknifeR, bootstrap.
Статистические тесты: t.test, cor.test, wilcox.test, aov (однофакторная, ancova, manova), kruskal.test, dunnTest, fisher.test.
Формулировка эмпирических и статистических гипотез.
Анализ выживаемости: метод Каплана-Майера, регрессия конкурирующих рисков, Лонг-Ранг тест, множественная группировка.
Создание реляционной базы данных SQL: создание структуры БД с первичными ключами, индексами, внешними ключами, создание ERDiagram, наполнение таблиц, скрипты выборок.
Секвенирование генома (NCBI SRA): biopython, NCBI, ALPHA FOLD, SWISS MODEL, fastqc, trimmomatic, bwa, samtools, bcftools, GALAXY, Super-PRED, SwissTargetPrediction.
Расскажите о себе что-нибудь еще: публикации, конференции, хобби
Достижения:
- Создала проект по курсу «Библиотеки Python». Применение модели градиентного бустинга в решении задачи регрессии. (https://github.com/7Angelina7/1-quarter-Libraries-Python/blob/CourceProject/CourceProject.ipynb)
- Создала проект по курсу «Библиотеки Python». Применение модели CatBoost в решении задачи классификации.(https://github.com/7Angelina7/3-quarter-Libraries-Python-2/blob/main/APokusay_solution.ipynb)
- Создала проект по курсу «Основы реляционных баз данных». Создание базы данных свободной энциклопедии.(https://github.com/7Angelina7/3-quarter-MySQL/blob/main/Course_project_ddl.sql)
- Создала Телеграмм чат-бота с двумя функционалами по курсу “Введение в обработку естественного языка”: запросы из сервиса объявлений и вопрос-ответная система. (5-quarter-NLP/Course_Project.ipynb at main · 7Angelina7/5-quarter-NLP (github.com))
- Создала pet project – мгновенный сервис курса валют. Телеграм бот, которой вытаскивает из сайта Центрального банка РФ актуальный курс юаней, долларов и евро и отображает в Телеграмм. (7Angelina7/Pet_Projects: Небольшие личные проекты (github.com))
- Выполняла анализ исследования по вопросу «повышает ли медь устойчивость к антибиотикам у резистентных бактерий». Выявила гены, где находятся мутации, и какое влияние на организм бактерии наносят данные изменения в последовательности нуклеотидов. (https://github.com/7Angelina7/6-quarter-molecular-biology/blob/f15e8eb9a9951088cd9eea01c07ad1d16ae57bca/BIOipynb)
- Создала проект по курсу «Прикладная статистика в медицине». Проверила несколько гипотез статистическими тестами, провела анализ выживаемости пациентов с раком поджелудочной железы. (https://github.com/7Angelina7/6-quarter-applied-statistics-in-medicine/blob/6261618d0c97f905c618e6ae6148e9cb06a1ce82/Final_Project.ipynb)
- Выполнила работу по курсу NLP в здравоохранении. Цель работы – выявить концепты CUI из списка нежелательных реакций пациентов на лекарства. Поиск осуществляла пятью разными подходами, классическими методами NLP и с помощью нейронных сетей. Выполнила обзор наилучших результатов по совпадению и точности предсказания. (https://github.com/7Angelina7/7-quarter-application-of-nlp-in-healthcare/blob/647d11f7c61c9a248d846d2f0393d4b4377d8947/HomeWorkipynb, https://github.com/7Angelina7/7-quarter-application-of-nlp-in-healthcare/blob/647d11f7c61c9a248d846d2f0393d4b4377d8947/HomeWork_4.ipynb)
- Выполнила работу для итоговой аттестации обучения на GeekBrains. Визуализировала переменные с помощью boxplot, гистограмм и диаграмм. Сделала выбор модели машинного обучения, осуществила метод кросс-валидации и использовала подбор гиперпараметров методом GridSearch. Также сформулировала гипотезы на основе разведочного анализа датасета, проверила их статистическими тестами. (https://github.com/7Angelina7/Final-Certification-GB/blob/4eee8e627bcfcfdf52b2b1aa4a798d91bc0d5653/final_certification.ipynb)