Felipe A.

– Arbejdede hos Rylee, en e-handelsplatform, der gav kunder produktindsigter og markedsanalyse for at forbedre strategier på Bol.com og Amazon. – Optjente Databricks-certificering i Generative AI, hvilket demonstrerede ekspertise med RAG og Agent-modeller. – Udviklede en storstilet salgsprognosemodel ved hjælp af Rylees interne data og indsamlede data fra Bol.com for at forudsige produktsalg og identificere bedst sælgerne. – Byggede et API med Flask og AWS Lambda for at håndtere produktforespørgsler og levere indsigter og salgsprognoser. – Designede og implementerede ETL-pipelines ved hjælp af dbt, Airflow og Spark for at automatisere funktioner, herunder en asynkron løsning til effektiv dataindhentning fra Bol.com API'et, mens der blev taget hensyn til hastighedsgrænser og parallelisering i skala; også automatiseret datakonsolidering på tværs af flere sælgere. – Anvendte PyTorch og Spark til at optimere højtydende maskinlæringsmodeller.

– Arbejdede hos Homemove, en omfattende platform, der tilbyder flyttelignende tjenester, herunder undersøgelser, fjernelser og realkreditlån, integreret i en enkelt app. – Udviklede et LLM-drevet forhandlingsværktøj, der gjorde det muligt for brugere at få tilbud og forhandle priser via en AI-chatbot, der automatisk tilføjede kunder til CRM og advarede salgsteamet ved vellykket forhandling ved hjælp af OpenAI Assistant og GPT-modeller. – Ledede et skalerbart datatransformationsinitiativ ved at udnytte Snowflake til cloud-datalagring og Sigma til BI og visualisering. – Designede og implementerede ETL-pipelines fra bunden ved hjælp af Snowflake, Python, SQL, dbt og Airflow for at automatisere dataindtagelse og transformation. – Byggede en forudsigende modelleringsløsning for at reducere marketingomkostninger og forbedre målretning ved at identificere hjemmetormere med høj potentiel. – Anvendte PyTorch og Snowpark til avanceret maskinlæring for at optimere højtydende modeller. – Leverede en forudsigende model, der var planlagt til brug i tiltrækning af investeringer under Homemoves Series A-funding.

– Arbejdede som specialist i datavidenskab hos FourthRev, hvor han oprettede og underviste i et avanceret online datavidenskabskursus for Cambridge University-studerende. – Udviklede og leverede en omfattende læreplan, der dækker neurale netværk, NLP for AI, usupervised læring og avancerede beslutningstræalgoritmer inklusive XGBoost. – Anvendte praktisk maskinlæring fra bunden og benyttede innovative undervisningsmetoder for at forbedre elevengagement og læringsresultater. – Demonstrerede dyb teknisk ekspertise inden for datavidenskab og maskinlæring og opnåede anerkendelse fra akademiske kolleger for effektiv undervisning og pensumdesign.

– Arbejdede hos Outra, et datadrevet ejendomsinsigtsfirma, med speciale i at levere data på husstandsniveau for at optimere kundeservices. – Migrerede platformen fra Dataiku til en brugerdefineret intern Intelligence Fabric ved hjælp af MLflow, Airflow, Snowflake, GitHub Actions, AWS og DBT til data engineering. – Udviklede to store forudsigende modeller til forudsigelse af husavisning og salgs/leje-tidspunkt, hvilket muliggør et million-pund partnerskab med Zoopla. – Anvendte LLM'er til dokumentation af kode, kodningshjælp og interaktive chatbots til dashboards og kundeorienterede data. – Byggede ETL/ELT-pipelines for at transformere rå data og forberede dem til modellering. – Skabte visualiseringer og kort ved hjælp af KeplerGI, Seaborn og Dataiku for at hjælpe ikke-tekniske brugere med at fortolke komplekse data.

– Arbejdede hos Belmont Green, et specialiseret realkreditlångiver, der blev bank, der leverede finansielle og realkreditløsninger til økonomisk berørte kunder. – Oprettede en konverteringsmodel ved hjælp af overlevelsesanalyseteknikker og styrede projektet fra start til produktion. – Byggede maskinlæringsalgoritmer og statistiske modeller for tidsserie data med fokus på fastholdelse, livstidsværdi og forventede tab modeller. – Ejede projekter fra ende til anden og sikrede, at beviser på koncept blev implementeret og udgivet med succes i produktion. – Implementerede maskinlæringsalgoritmer til cashflow, tidlig indløsning, standard, forudbetaling og konverteringsmodeller ved hjælp af Python og R. – Anvendte klyngedannelse og segmenteringsteknikker til at analysere produktbrug og kundeadfærd til marketing og strategiske formål.

• Boster.Ai is a company dedicated to create No-code bots for data retrieval, monitoring and automation. Originally, they started as an IT consultancy company, creating personalized solutions to small and mid-size companies to harvest the power of Machine Learning

• Felipe worked performing data exploration, analysis, and building Machine Learning algorithms and statistical models for several start-ups/mid-size companies in the UK and USA.

• He built and diagnostic Neural Networks models for forecasting key performance indicators using Python, TensorFlow, and Keras.

• Worked in e-commerce businesses solving customer behaviour problems such as lifetime value, clustering of customers, etc.

• Performed ethical web scraping using Python with scraPy, RoboBrowser, and BeautifulSoup to obtain data for various analyses.