Науковий ступінь: Кандидат фізико-математичних наук
Поточні посади: Postdoc дослідник у Львівському національному університеті імені Івана Франка (Україна), Data Scientist у SoftServe Inc.

Я поєдную академічні теорії та практичні підходи в галузі науки про дані. Мій поточний науковий інтерес лежить у таких основних сферах:

– Предиктивна аналітика

– Машинне навчання

– Кількісна лінгвістика, обробка природної мови

– Майнінг соціальних мереж

– Аналітика часових рядів

– Оцінка ризиків

У моделях предиктивної аналітики я поєдную машинне навчання та байєсівське виведення, що є ефективним підходом для прогнозування та оцінки ризиків у бізнес-процесах з негаусівською статистикою. Я працюю над сучасними рішеннями предиктивної аналітики, беру участь у змаганнях Kaggle, де маю ступінь магістра та 7 медалей за високі позиції в лідербордах, 3 з яких золоті (найвищий ранг – 89). Я був учасником команди, яка виграла один конкурс Kaggle (“Попит на запаси Grupo Bimbo”) серед майже двох тисяч команд.

Totally I have more than 50 scientific publications. Here are some of data science related scientific papers:

• Pavlyshenko, Bohdan. ”Clustering of Authors’ Texts of English Fiction in the Vector Space of Semantic Fields.” Cybernetics and Information Technologies 14, no. 3 (2014): 25-36.
• Genetic Optimization of Keyword Subsets in the Classification Analysis of Authorship of Texts // Journal of quantitative linguistics. – 2014. – Vol. 21, N4. – P. 341–349.
• B.Pavlyshenko The Distribution of Semantic Fields in Author ́ıs Texts //Cy- bernetics and Information Technologies, DOI: https://doi.org/10.1515/cait- 2016-0043, Volume 16, No 3, pp.195-204
• Pavlyshenko, Bohdan M. ”Linear, machine learning and probabilistic ap- proaches for time series analysis.” In Data Stream Mining & Processing (DSMP), IEEE First International Conference on, pp. 377-381. IEEE, 2016.

• Pavlyshenko, Bohdan. ”Machine learning, linear and Bayesian models for logistic regression in failure detection problems.” In Big Data (Big Data), 2016 IEEE International Conference on, pp. 2046-2050. IEEE, Washington D.C. 2016.
• Pavlyshenko, B.M. Forecasting of Events by Tweets Data Mining. Electronics and information technologies. 2018. Issue 10. P. 71–85.
• Pavlyshenko, B.M. Can Twitter Predict Royal Baby’s Name ?. Electronics and information technologies. 2019. Issue 11. P. 52–60.
• Pavlyshenko, B. (2018, August). Using Stacking Approaches for Machine Learning Models. In 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP) (pp. 255-258). IEEE.
• Pavlyshenko, B.M. Bitcoin Price Predictive Modeling Using Expert Correction. 2019 XIth International Scientific and Practical Conference on Electronics and Information Technologies (ELIT), September 16 – 18, 2019 Lviv, Ukraine, pages: 163-167.
• Pavlyshenko, B. M. Machine learning models for sales time series forecasting. Data 4, no. 1 (2019): 15.
• Pavlyshenko B. M. Detection of Technical Failures on Production Lines Using Machine Learning, Linear and Bayesian Models of Logistic Regression // Electronics and information technologies. 2019. № 12. P. 3–19.
• Pavlyshenko B. M. Sales Time Series Analytics Using Deep Q-learning // International Journal of Computing. 2020. Sep. Vol. 19, № 3. P. 434–441.
• Павлишенко Б. М. Використання методів машинного навчання та семантичних ознак в інтелектуальному аналізі текстових даних // Електроніка та інформаційні технології. 2020. № 13. С. 3–18.
• Pavlyshenko B. M. Modeling COVID-19 Spread and Its Impact on Stock Market Using Different Types of Data // Electronics and information technologies. 2020.№ 14. P. 3–21.
• Pavlyshenko B. Using Bayesian Regression for Stacking Time Series Predictive Models // 2020 IEEE Third International Conference on Data Stream Mining & Processing (DSMP). 2020. P. 305–309. 
• Pavlyshenko, Bohdan M. “Forming Predictive Features of Tweets for Decision-Making Support.” In International Scientific Conference “Intellectual Systems of Decision Making and Problem of Computational Intelligence”, pp. 479-490. Springer, Cham, 2021.
• Pavlyshenko B.M. Forecasting of Non-Stationary Sales Time Series Using Deep Learning. arXiv:2205.11636. 2022 May 23. Download PDF: https://arxiv.org/pdf/2205.11636
• Pavlyshenko B.M. Methods of Informational Trends Analytics and Fake News Detec- tion on Twitter. arXiv preprint arXiv:2204.04891. 2022 Apr 11. Download PDF: https://arxiv.org/pdf/2204.04891.pdf
• Pavlyshenko B.M. Financial News Analytics Using Fine-Tuned Llama 2 GPT Model. arXiv preprint arXiv:2308.13032. 2023. Download PDF: https://arxiv.org/pdf/2308.13032.pdf
• Pavlyshenko B.M. Analysis of Disinformation and Fake News Detection Using Fine- Tuned Large Language Model. arXiv preprint arXiv:2309.04704. 2023. Download PDF: https://arxiv.org/pdf/2309.04704.pdf
• B. Pavlyshenko, M. Stasiuk  Influence of learning rate parameter in different transformer models in text classification task  // Електроніка та інформаційні технології –2023. – Issue 21.
• Б.М. Павлишенко, І.В. Дроздов, ЕФЕКТИВНІСТЬ РОЗПІЗНАВАННЯ ІМЕНОВАНИХ СУТНОСТЕЙ ЗА ДОПОМОГОЮ КЛАСУ МОДЕЛЕЙ OPENAI GPT. Електроніка та інформаційні технології. – 2023. – 23 – C. 46-58
• B. Pavlyshenko, M. Stasiuk Augmentation in a binary text classification task  // 2023 IEEE 13th International Conference on Electronics and Information Technologies (ELIT): Conference Proceedings. – 2023. – Lviv, Ukraine, September 26-28, 2023. – P. 177-180.