Samuel P.
Data Scientist
Blandt hans vigtigste resultater er, at Samuel designede og implementerede et automatiseret dataworkflow ved hjælp af Snowflake, Python og Power BI, som reducerede den manuelle behandling med 90 %, forbedrede datakvaliteten med 20 % og understøttede over 10 vellykkede produktlanceringer inden for to år. Denne innovation forbedrede i høj grad datatilgængeligheden og beslutningstagningen i hele virksomheden.
Samuel er anerkendt for sin evne til at omsætte komplekse data til klare, virkningsfulde indsigter, og han fremmer et stærkt tværfunktionelt samarbejde og driver konsekvent datadrevet transformation på tværs af forretningsfunktioner.
Hovedekspertise
SQL8 år
Pandas8 år
R (programming language)6 år
Data Science6 årErfaring4
Data Scientist
- Optimerede en adfærdsklassifikationsmodel i produktionsklassen på tværs af mere end 2 millioner enheder og identificerede og markerede brugerafvigelser med høj risiko, der havde en målbar økonomisk effekt.
- Udviklede reviderbare ETL/ELT-datapipelines ved hjælp af Snowflake, Python og dbt og opnåede en reduktion på 92 % i manuel datahåndtering, samtidig med at datakvalitet og overholdelse af lovgivningen blev sikret.
- Samarbejdede med produkt-, salgs- og marketingteams om at designe og implementere dashboards, der overvågede og evaluerede produktlanceringsresultater.
Qlik Sense
PythonSQL
Oracle
Microsoft Power BI
Data Engineer
- Designede og udviklede end-to-end-datapipelines i Azure og Databricks, integrerede tværfunktionelle datasæt i stor skala og reducerede analysetiden med 40 %.
- Designede og optimerede datamodeller til rapportering på virksomhedsniveau, hvilket sikrede robust datastyring og standardiserede KPI'er på tværs af flere geografiske områder.
- Forbedret konsistens i rapporteringen på tværs af lande, hvilket har reduceret dataafvigelser med 25 % og styrket rapporteringens pålidelighed.
MongoDB
DatabricksPythonSQL
Azure
Data Scientist
- Betydeligt forbedrede datavalideringsprotokoller, der sikrer datasætintegritet for kritiske beslutningsstøttesystemer i overensstemmelse med etiske og ansvarlige AI-standarder.
- Trænede og validerede prædiktive AI/ML-modeller på komplekse biomedicinske datasæt, hvilket forbedrede den diagnostiske nøjagtighed med 5 %.
- Tilpassede analytiske arbejdsgange, så de var skalerbare og klar til skyen inden for Python- og R-frameworks, hvilket reducerede beregningstiden med 53 %.
MongoDB
AWSPythonSQL
BashPhD Statistician
- Udviklet statistiske og maskinelle læringsrammer til højdimensionelle genom- og miljødata, hvilket har resulteret i fem peer-reviewed publikationer.
- Optimerede regressions-, bayesianske og maskinlæringsmodeller til biologiske datasæt, hvilket forbedrede forudsigelsesnøjagtigheden med 12 %.
PythonSQLBashData Science
NumPyIngeniørmæssig fremragendehed
Alle Data Scientister, der har ansøgt til Proxify, får en score fra 0 til 300 på teknisk dygtighed, en af de fem parametre, vi evaluerer. Denne score afspejler kun teknisk dygtighed baseret på interviews, hjemmeopgaver, live kodningssessioner og/eller vurderinger af præstationer på jobbet. Kurven viser, hvordan alle evaluerede Data Scientister er fordelt over dette interval, hvor vores acceptgrænse for denne parameter ligger, og hvor Samuel står.
Score 185 · Top 12% of engineers
Certifikater 3
Issued Mar 2025
PythonSQL
Data Analytics
Snowflake
Issued Mar 2023
Data Analytics
Data Modeling
Tableau
Issued Mar 2025
PythonSQLData AnalyticsSnowflakePortefølje
Fremhævet af Samuel
2A repository for exploring and analyzing data related to Belgian breweries and their beers. Ideal for practicing go-to-market strategies.
Andre projekter 2
Uddannelse
Stop med at søge.
Bliv matchet hurtigere.
Tal med en ekspert og få skræddersyede matches fra vores netværk på kun 2 dage.
Få adgang til over 6.000+ eksperter
Få matchet med en udvikler på gennemsnitligt 2 dage
Ansæt hurtigt og nemt med 94 % matchsuccess