Разработка ML-системы матчинга и дедупликации клиентов — срок до 10.09 включительно

Необходимо разработать учебный ML-проект по Entity Resolution — системе поиска и дедупликации клиентских профилей по зашумленным и неполным данным. Нужно реализовать полный воспроизводимый pipeline на Python: EDA и анализ данных, нормализацию ФИО/email/телефонов/городов, blocking, feature engineering, ML-модель matching с вероятностью совпадения, подбор порогов, clustering через connected components и анализ ошибок. Также требуется Streamlit-прототип для демонстрации найденных дубликатов и рекомендации по их объединению. На выходе необходимы: — рабочий Git-репозиторий с README и requirements.txt/pyproject.toml; — метрики Precision, Recall, F1 на validation/test; — Streamlit demo; — технический отчет 1–2 страницы; — презентация 10–15 слайдов; — желательно архитектурная схема и рекомендации по масштабированию и мониторингу. Стек: Python 3.10+, pandas, numpy, scikit-learn, RapidFuzz и другие open-source библиотеки. Важно: нужен специалист с практическим пониманием Entity Resolution, blocking, matching, threshold и clustering. Код и решения должны быть воспроизводимыми и понятными для последующей защиты проекта. Полное техническое задание и датасет будут предоставлены исполнителю.