Data Scientist

• Designede og udviklede ETL-datapipelinen til beregning af massive finansielle datasæt, hvilket reducerede beregningstiden fra flere dage til timer (PySpark – Databricks – Azure)
• Oprettede en "metodik vedrørende kode" til at vejlede udviklingen af nye maskinlæringsprojekter, hvorfra to projekter blev struktureret;
• Udviklede maskinlæringsmodeller til at forudsige Bitcoin Trading Volume (XGBoost, 65 % nøjagtighed) og Crypto Volatility (Temporal Fusion Transformer, 95 % nøjagtighed);
• Udviklede en MLOps-pipeline til at sætte modeller i produktion: Beregning af hundredvis af funktioner, streaming af inferenser i realtid ved hjælp af FastAPI Websocket-server, modelovervågning ved hjælp af SQL-database og Slack API (Docker på ECS, AWS FeatureStore, FastAPI, SQL, Slack), med en oppetid på over 99 %;
• Oprettelse af et numerisk indeks til scoring af Time Series-data og hjælpe med at opbygge handelsstrategier (statistiske korrelationer, co-integration, ACE-score, tidsserieanalyse).

Udførte en statistisk analyse af kundeafgang for en stor brasiliansk B2C-videostreaming-app.

• Udviklede algoritmer til GPS-filtrering, korrektion og præstationsanalyse for amatørfodboldspillere, herunder lette fodboldatleter.
• Tog sig af at sikre kvaliteten af dataprodukter og forvaltningen af opgaver såsom backlog, OKR'er og målevidenskab.
• Integrerede Python-algoritmer med AWS på Serverless Framework, herunder Lambda, S3, EC2, DynamoDB og CloudWatch.
• Udførte opgaver såsom dataanalyse, implementering af Kalman Filters, Neural Networks, Fuzzy Filters, videnskabelige algoritmer, motor til statistisk indsigt, grundlæggende computervision og algoritmer til ansigtsgenkendelse.
• Brugte Python til at skabe effektive datavisualiseringer.
• Vedligeholdt Python-infrastrukturen til automatisk levering af hundredvis af daglige.