Челошкина Ксения Сергеевна
- Стажер-исследователь:Факультет компьютерных наук / Департамент больших данных и информационного поиска / Международная лаборатория биоинформатики
- Начала работать в НИУ ВШЭ в 2020 году.
Образование
2018
Магистратура: Национальный исследовательский университет «Высшая школа экономики», специальность «Бизнес-информатика», квалификация «Магистр»
Публикации6
- Статья Cheloshkina K., Poptsova M. Comprehensive analysis of cancer breakpoints reveals signatures of genetic and epigenetic contribution to cancer genome rearrangements // PLoS Computational Biology. 2021. Vol. 17. No. 3. Article e1008749. doi
- Статья Cheloshkina K., Bzhikhatlov I., Poptsova M. Randomness in Cancer Breakpoint Prediction // Journal of Computational Biology. 2021. Vol. 28. No. 7. P. 716-731. doi
- Глава книги Cheloshkina K., Bzhikhatlov I., Poptsova M. Cancer Breakpoint Hotspots Versus Individual Breakpoints Prediction by Machine Learning Models, in: Proceedings 16th International Symposium, ISBRA 2020, Moscow, Russia, December 1–4, 2020. Lecture Notes in Computer Science Vol. 12304. Springer Publishing Company, 2020. doi P. 217-228. doi
- Статья Cheloshkina K., Poptsova M. Understanding cancer breakpoint determinants with omics data // Integrative Cancer Science and Therapeutics. 2020. Vol. 7. P. 1-5. doi
- Статья Cheloshkina K., Poptsova M. Tissue-specific impact of stem-loops and quadruplexes on cancer breakpoints formation // BMC Cancer. 2019. Vol. 19. No. 434. P. 1-17. doi
- Глава книги Cheloshkina K., Poptsova M. Machine-learning models for cancer breakpoints prediction based on DNA structure distributions, in: Сборник трудов 42-й междисциплинарной школы-конференции ИППИ РАН "Информационные технологии и системы 2018". Институт проблем передачи информации им. А.А. Харкевича РАН, 2018. P. 1-5.
Опыт работы
В настоящее время:
Руководитель направления по исследованию данных, Сбербанк
Построение предиктивных моделей для улучшения клиентского опыта в процессе взаимодействия с Банком по 115-ФЗ (Комплаенс):
- Выделение сущностей в документах для автоматического принятия решения о подозрительности деятельности клиента (задача NER).
- Построение модели отказов в открытии расчетного счета. Построение моделей типа оттока (модели анализа выживаемости).
- Приоритезация клиентов (оптимизация затрат на коммуникацию)