English
Svenska
Dansk
Dutch
Français
Norsk
Suomi
NEU
Proxify is bringing transparency to tech team performance based on research conducted at Stanford. An industry first, built for engineering leaders.
Learn more
Miguel A.
Data Scientist
Miguel ist ein erfahrener KI-Ingenieur mit sieben Jahren praktischer, kommerzieller Erfahrung in der Architektur und Bereitstellung von KI/ML-Lösungen mit Python, Apache Spark, Azure ML und Databricks.
Im Laufe seiner Karriere hat Miguel wichtige Beiträge bei IBM, Banco Santander und Atos geleistet und vier Patente in den Bereichen natürliche Sprachverarbeitung und Deep Learning verfasst. Er wurde als Gewinner des HackThatStartup Datathon ausgezeichnet und ist auch als Juror für IBMs AI Challenges tätig.
Miguel hat Leistungssteigerungen von bis zu 30 % über alle Systeme hinweg erzielt und hat erfolgreich funktionsübergreifende Teams bei der Bereitstellung von Datenprodukten im Unternehmensmaßstab geleitet. Er besitzt Zertifizierungen von Microsoft, AWS und IBM und promoviert derzeit an der Polytechnischen Universität von Katalonien. Miguel vereint tiefgreifende technische Kenntnisse und geschäftliche Einblicke und widmet sich der Förderung von Innovationen und der Entwicklung wirkungsvoller KI-Lösungen.
Hauptkompetenz
- Google Cloud 6 Jahre
- Azure 5 Jahre
- AWS 4 Jahre
Andere Fähigkeiten
- Scala 3 Jahre
- Amazon SageMaker 3 Jahre
- Java 2 Jahre
Ausgewählte Erfahrung
Beschäftigung
Data Scientist
IQVIA - 3 jahre 7 monate
- Er leitete KI/ML-Initiativen, darunter die Entwicklung von Nachfrageprognosemodellen für pharmazeutische Produkte, die Prognosefehler um 20 % reduzierten und die Zuverlässigkeit der Lieferkette verbesserten.
- Entwicklung und Bereitstellung eines Systems für den Abgleich von Medikamenten mithilfe von NLP und Deep Learning, Optimierung der Rezeptverarbeitung und Verbesserung der Patientenergebnisse.
- Entwicklung von End-to-End-ML-Pipelines in Databricks und Azure ML, Gewährleistung skalierbarer und reproduzierbarer Workflows für große Datensätze im Gesundheitswesen.
- Verbesserung der Leistung bestehender Modelle um bis zu 30 % durch fortschrittliches Hyperparameter-Tuning, Feature Engineering und Modelloptimierung.
Technologien:
- Technologien:
AWS
Databricks
Apache Spark
Python
AWS Lambda
AWS S3
- Data Science
Google Cloud
NumPy
Pandas
Scikit-learn
Azure ML
- NLP
Machine Learning
AWS EC2
Redshift
AWS ECS
PySpark
Anthropic API
Data Scientist
Banco Santander - 1 jahr 2 monate
- Entwicklung von ML-Modellen für die Betrugserkennung und Risikobewertung, die die Zahl der Fehlalarme um 15 % reduzierten und gleichzeitig die Betrugsprävention verbesserten.
- Anwendung von Deep-Learning-Techniken zur Optimierung von Kreditscoring-Modellen, wodurch die Bewilligungsquoten erhöht wurden, ohne das Risiko zu beeinträchtigen.
- Einführung von Spark-basierten Pipelines zur Verarbeitung hochfrequenter Transaktionsdaten, die schnellere Einblicke und Entscheidungen ermöglichen.
Technologien:
- Technologien:
MySQL
-
AWS
-
Apache Spark
-
Python
-
AWS Lambda
-
AWS S3
Azure
- Data Science
-
NumPy
-
Pandas
-
Scikit-learn
-
Machine Learning
-
AWS EC2
-
Redshift
-
AWS ECS
-
PySpark
Data Scientist
IBM - 3 jahre 11 monate
- Entwicklung von NLP- und Deep-Learning-Lösungen, die zu vier Patentanmeldungen in Bereichen wie Konversations-KI, Textzusammenfassung und automatische Klassifizierung führten.
- Aufbau produktionsfähiger ML-Pipelines für Unternehmenskunden, Verbesserung der Erklärbarkeit von Modellen und Steigerung der Akzeptanz in regulierten Branchen.
- Zusammenarbeit mit IBM Research-Teams, um die Integration von Deep-Learning-Techniken in kundenfähige Produkte zu beschleunigen.
Technologien:
- Technologien:
-
AWS
-
Python
-
AWS Lambda
-
AWS S3
-
Azure
- Data Science
TensorFlow
-
NumPy
Keras
-
Pandas
-
Scikit-learn
- NLP
-
Machine Learning
-
AWS EC2
- Team Leading
-
Redshift
-
AWS ECS
IBM Watson
Data Scientist
Atos - 1 jahr 3 monate
- Er leistete Pionierarbeit bei Deep-Learning-Forschungsprojekten, die zu Patentanmeldungen in den Bereichen neuronale Netzwerkoptimierung und semantische Suche führten.
- Er wendete Modelle des maschinellen Lernens auf große Unternehmensdatensätze an und lieferte Vorhersageerkenntnisse, die die Entscheidungsfindung der Kunden verbesserten.
- Zusammenarbeit mit F&E-Teams bei der Entwicklung skalierbarer Architekturen für den Einsatz von ML in Produktionsumgebungen.
- Teilnahme an europäischen Forschungskonsortien im Bereich der künstlichen Intelligenz mit Beiträgen zu wissenschaftlichen Veröffentlichungen und kollaborativem Wissensaustausch.
Technologien:
- Technologien:
-
MySQL
-
Apache Spark
-
Python
-
Azure
- Data Science
-
Google Cloud
-
NumPy
-
Pandas
-
Scikit-learn
- NLP
-
Machine Learning
-
PySpark
Ausbildung
Dr. Phil.Artificial intelligence
Polytechnic University of Catalonia · 2025 - 2029
MSc.Biostatistics and bioinformatics
Universidad de Barcelona · 2019 - 2020
FortbildungPython Expert Degree
Universidad Oberta de Catalunya · 2018 - 2019
MSc.Business Intelligence and TI
EAE Business School · 2017 - 2018
Finden Sie Ihren nächsten Entwickler innerhalb von Tagen, nicht Monaten
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