Onur S.

Data Scientist

Onur ist ein versierter Data Scientist mit vier Jahren Berufserfahrung im IT-Sektor, wo er hauptsächlich in den Bereichen Big Data, Forschung, IoT, Deep Learning, Chatbots und maschinelles Lernen arbeitet.

Er ist ein geschickter Problemlöser, der sich einen objektiven Überblick verschafft und praktikable Lösungen entwickelt. Er ist analytisch und gut organisiert, hat einen soliden theoretischen technischen und mathematischen Hintergrund und lernt schnell neue Technologien.

Er kann während des gesamten Entwicklungs-/Support-Lebenszyklus des Projekts eine wichtige Rolle spielen, um sicherzustellen, dass qualitativ hochwertige Lösungen die Geschäftsziele erfüllen. Darüber hinaus verfügt er über einen guten Teamgeist und ist fristorientiert.

Hauptkompetenz
  • Python
    Python 5 Jahre
  • Data Science 3 Jahre
  • Machine Learning
    Machine Learning 3 Jahre
Andere Fähigkeiten
  • Data Analytics 4 Jahre
  • Git
    Git 4 Jahre
  • Linux
    Linux 4 Jahre
Onur
Onur S.

Turkey

Erste Schritte

Ausgewählte Erfahrung

Beschäftigung

  • Datenwissenschaftler

    Pazarama, Turkey - 1 jahr 11 monate

    • Arbeit an einer Suchmaschine mit ElasticSearch und Einführung einer semantischen Suchmethode mit Worteinbettungen;
    • Aufbau dynamischer und statischer Empfehlungsmaschinen für die Kundschaft beim Kauf und Besuch auf der Plattform – Training von Sasrec- und Ssept-Modellen für die sequentielle Empfehlung und Training eines Fasttext-Modells basierend auf der semantischen Nähe der Produkte hinsichtlich Aussehen und Wunschlistenprodukten.

    Technologien:

    • Technologien:
    • Python Python
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • MySQL MySQL
    • ElasticSearch ElasticSearch
  • Forschungsingenieur

    Huawei Turkey - 1 jahr 1 monat

    • Arbeit an der Gewinnung von Abfrageabsichten aus Suchabfragen der Nutzenden in der Huawei App Gallery mithilfe des mBERT-Modells zur Klassifizierung der abgefragten Suchkategorien in drei Ebenen;
    • Clustering von Abfragen auf Türkisch, Russisch und anderen erforderlichen Sprachen zur Annotierung. Training eines Klassifikationsmodells, um Informationen darüber zu extrahieren, nach welchen Kategorien Nutzende suchen, mit dem Ziel, bessere Ergebnisse anzuzeigen;
    • Teilnahme an einem Forschungsberichtsprojekt zum themenbasierten Text-Clustering. Experimentieren mit verschiedenen Clustering-Algorithmen an verschiedenen Datensätzen, um einen Benchmark auszuwerten und zu erhalten;
    • Forschung am Projekt Hierarchical Superordinate Word Representations zur Verbesserung von Wortvektoren und semantischen Ähnlichkeiten zwischen Unterkategorien und Oberklassen.

    Technologien:

    • Technologien:
    • Python Python
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • Pandas Pandas
    • Scikit-learn Scikit-learn
    • TensorFlow TensorFlow
    • Data Analytics
  • Lösungsspezialist für künstliche Intelligenz

    ETIYA, Turkey - 5 monate

    • Aufbau eines semantischen Dokument-Suchmaschinendiensts mithilfe von Worteinbettungen für Akbank, eine der größten Banken in der Türkei, über die auf jedes Dokument in der Datenbank der Bank zugegriffen werden kann. Verwendung des ELK-Stacks auf Docker, ElasticSearch für die Indexierung der Daten und einer Kosinus-Ähnlichkeitsfunktion, um die semantische Ähnlichkeit zwischen der Suchanfrage und dem Inhalt, Titel sowie der Beschreibung des Dokuments zu ermitteln
    • Training eines Clustering-Modells für eine Empfehlungsmaschine als Ergänzung zur Verwendung von Worteinbettungen. Implementierung von Probe-Logdaten von Nutzenden und Training des Word2vec-Modells mit den Funktionen der für die einzelnen Kund:innen geordneten Produkte und Daten. Repräsentation dieser Funktion mit Wortvektoren. Clustering aller Kund:innen mithilfe des k-Means-Modells zur Zuweisung neuer Nutzenden auf Grundlage ihrer Produktsuche sowie zur Empfehlung entsprechender Produkte. Darüber hinaus Anpassung dieses Modells für statistische Empfehlungen, wenn Nutzende nach einer Session zum Einkauf zurückkehren, sowie dynamische Empfehlungen durch Ändern der empfohlenen Produkte, während Nutzende Produkte zu ihrem Warenkorb hinzufügen. Basbug Otomotiv, einer der größten Autoersatzteilhändler, verwendete und kaufte dieses Modell.

    Technologien:

    • Technologien:
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • Pandas Pandas
    • Scikit-learn Scikit-learn
    • ElasticSearch ElasticSearch
    • Data Analytics
    • Docker Docker
  • Forschungsingenieur

    Xinapse, South Korea - 1 jahr 1 monat

    • Aufbau eines Frage- und Antwortsystems für Englisch und Koreanisch mithilfe von BERT, um das regelbasierte System zu ersetzen, das innerhalb der Chatbot-Architektur implementiert worden war;
    • Erstellung eines Crawlers für koreanische Nachrichtendaten von der Nachrichten-Website Naver mithilfe des EFK-Stacks (ElasticSearch, Fluentd und Kibana) innerhalb des Docker-Containers;
    • Implementierung einer effizienteren Tokenisierungsmethode für Hangeul (Koreanisch), Sentencepiece genannt, bei der die ursprüngliche Wordpiece-Tokenisierung innerhalb von BERT implementiert wird (durchgeführt vom Korea Industrial Research Institute);
    • Aufbau eines Indizierungsmodells zur Vorhersage von Geschäftszyklen basierend auf Zeitreihen von koreanischen Nachrichtendaten für eine bestimmte Branche. Implementierung von Themenmodellierung mit NMF, semantischer Analyse von Nachrichtendaten, einem dynamischen Faktormodell, einem latenten Schwellenmodell usw.

    Technologien:

    • Technologien:
    • Data Science
    • NumPy NumPy
    • Pandas Pandas
    • TensorFlow TensorFlow
    • ElasticSearch ElasticSearch
    • Kibana Kibana
    • Keras Keras
    • Selenium Selenium
    • Docker Docker
    • Linux Linux

Ausbildung

  • BSc.Informatik und Ingenieurwesen

    Universität Kangnam, Südkorea · 2015 - 2019

Finden Sie Ihren nächsten Entwickler innerhalb von Tagen, nicht Monaten

Wir können Ihnen helfen, Ihr Produkt mit einem erfahrenen Entwickler schneller auszubauen. Alles ab 31,90 €/Stunde. Sie zahlen nur, wenn Sie mit Ihrer ersten Woche zufrieden sind.

In einem kurzen 25-minütigen Gespräch würden wir gerne:

  • Auf Ihren Bedarf bezüglich des Recruitments von Software-Entwicklern eingehen
  • Unseren Prozess vorstellen und somit wie wir Sie mit talentierten und geprüften Kandidaten aus unserem Netzwerk zusammenbringen können
  • Die nächsten Schritte besprechen, um den richtigen Kandidaten zu finden - oft in weniger als einer Woche

Sie wissen nicht, wo Sie anfangen sollen?

Unterhalten wir uns

Jetzt Entwickler:innen finden, die innerhalb von wenigen Tagen starten können. Ohne Risiko.