Резюме: Компьютерный лингвист

О себе
Компьютерный лингвист с опытом более 2 лет в NLP и анализе пользовательских коммуникаций. Разрабатываю Telegram-ботов на Python (aiogram, python-telegram-bot), а также работаю с локальными LLM (Llama 3, Qwen).
Занимался обработкой пользовательских коммуникаций: классификация интентов, нормализация текста, сборка семантических ядер. Есть опыт в NLP-анализе медиатекстов (NLTK, spaCy, scikit-learn) включает разметку данных, определение тональности и тематическое моделирование. Подготавливал датасеты через веб-скрейпинг и API соцсетей, а также проводил статистический анализ результатов на Python, R и SQL.
Кандидат наук по теоретической и прикладной лингвистике.

Опыт работы
1. Лаборатория "Когнитивная социолингвистика" СКФУ, г. Ставрополь
Проводил NLP-анализ пользовательских коммуникаций:
- Разработка Telegram-ботов на Python (aiogram / python-telegram-bot): проектирование логики диалога, обработка состояний пользователя, ветвление сценариев в зависимости от ввода, обработка нераспознанных запросов и тупиковых веток;
- Работа с локальными LLM (Ollama, модели Llama 3, Qwen): развертывание, промпт-инжиниринг, настройка системных промптов под задачу;
- Обработка вариативности пользовательских формулировок: классификация интентов, нормализация запросов, сборка семантических ядер, работа с неструктурированным вводом;
- NLP-аналитика медиатекстов и пользовательских коммуникаций: разметка данных, выявление тональности, тематическое моделирование, кластеризация публикационной активности (NLTK, spaCy, scikit-learn);
- Подготовка датасетов: веб-скрейпинг на Python (requests, BeautifulSoup, Selenium), выгрузка через API соцсетей (VK, Telegram), очистка и нормализация текста;
- Разработка внутренних Python-инструментов для работы с лингвистическими данными: менеджеры баз данных, тегировщики и маркировщики текстовых корпусов (SQLite);
- Статистический анализ и построение метрик по результатам исследований (Python, R, SQL, Google Sheets).

2. SEQUOIA PROJECTS LTD, удаленная работа
Отвечал за анализ данных подразделения:
- Сбор, очистка, автоматизация отчетности, визуализация.
- Python-скрипты для ETL и обработки данных: сбор из разнородных источников, очистка, валидация, приведение к единой структуре. Массивы 20 000+ строк;
- Разработка и поддержка дашбордов в Power BI: подбор метрик, визуализация динамики, регулярная отчетность для стейкхолдеров;
- Продвинутая работа с Excel (VBA, Power Query, сводные таблицы) и Google Sheets (QUERY, ARRAYFORMULA, IMPORTRANGE, REGEX). Автоматизация расчетов и связывание источников;
- Статистический анализ данных (Python, R): расчет показателей, построение прогнозов, проверка гипотез;
- Контроль качества данных: выявление и устранение расхождений в отчетности и базах данных;
- Подготовка аналитических презентаций по результатам работы подразделения (ежемесячно).