Здесь собраны примеры реальных задач, с которыми я работал как AI‑консультант, дата‑саентист и руководитель команд. Это не академические примеры, а боевые проекты с понятным бизнес‑контекстом.
LTV‑модель для health & wellness‑приложения
Задача. Предсказать пожизненную ценность клиентов и помочь команде оптимизировать маркетинг и продуктовые решения.
Что сделали.
– Собрали и очистили данные по подпискам, платежам и поведению пользователей.
– Построили LTV‑модель, настроили пайплайн данных и отчётность.
– Помогли команде принимать решения на основе прогнозов, а не интуиции.
Классификация вакансий по тексту (ROCAUC ~0.979)
Задача. Автоматически определять категории вакансий для агрегатора вакансий по тексту описания.
Что сделали.
– Спроектировали модель классификации по тексту вакансии.
– Добились средней ROCAUC около 0.979.
– Интегрировали решение в пайплайн сервиса, уменьшили ручную работу и улучшили качество категоризации.
Поиск гео‑аномалий (F1 ~0.95)
Задача. Находить аномалии и выбросы в геоданных (ошибки координат, странные точки, технический шум).
Что сделали.
– Разработали модель поиска geo‑аномалий.
– Достигли F1‑score около 0.95 на тестовых данных.
– Улучшили качество данных и надёжность последующей аналитики.
Медицинский анализ изображений
Задача. Помогать врачам и радиологам диагностировать заболевания по рентгену, КТ и маммографии.
Что сделали.
– Создали модели компьютерного зрения для классификации и сегментации медицинских изображений.
– Спроектировали микросервисную архитектуру и интеграцию с PACS‑системами.
– Внедрили систему в рабочий процесс врачей, учитывая требования надёжности и объяснимости.
Big Data & Data Science департамент в VEON Казахстан (Beeline)
Задача. Увеличить прибыль компании за счёт данных и AI, выстроить работу команды и процессов вокруг Big Data и DS.
Что сделали.
– Руководил департаментом Big Data & Data Science, команда 35+ человек, 7 потоков (финтех, устройства, реклама и GEO, CV, NLP, внутренние продукты, CVM).
– Запустили десятки моделей и решений: скоринг, риск‑модели, рекомендательные системы, гео‑аналитику, CV/NLP‑сервисы.
– Стандартизировали процессы: Code Review, CI/CD, внутренние инструменты, регулярные митапы и развитие сотрудников.
– Достигли существенного роста прибыли компании в течение года.
Если вы хотите обсудить похожий проект или построить свой AI/DS‑кейс — вы можете записаться на консультацию, подробности на странице https://consultation.alimbekov.com