Dimitrios M.
Data Engineer & Scientist
Er ist spezialisiert auf neuronale Netzwerke, Datenmodellierung und dynamische Systeme mit umfassender Expertise in der ETL-Entwicklung. klinische Datenmodellierung und umfangreiche Datenverarbeitung in den Bereichen Gesundheitswesen, Biowissenschaften und AI.
Er hat komplexe Datenlösungen für führende Organisationen wie SAP, EPAM (Odysseus Inc. , und Femtec Health, bauen skalierbare Datenpipelines auf Databricks, AWS und Snowflake und implementieren prädiktive Modelle zur Verbesserung der Gesundheitsergebnisse.
Mit einer einzigartigen Mischung aus wissenschaftlicher Strenge und technischer Präzision übersetzt Dimitrios fortschrittliche Theorie in produktionsfähige, intelligente Datensysteme.
Hauptkompetenz
Python8 Jahre
SQL8 Jahre
Data Science8 Jahre
Pandas5 JahreErfahrung4
Senior Data Engineer / ETL Developer
- Die Entwicklung und Optimierung von ETL-Pipelines zur Umwandlung von Gesundheitsdaten in das OMOP Common Data Model (CDM) für mehrere globale Kunden.
- Entwickelte und implementierte Datenarchitektur-Lösungen, um die Skalierbarkeit und Wartbarkeit in verteilten Umgebungen zu verbessern.
- Zusammenarbeit mit Analysten und Datenwissenschaftlern, um Datenqualität, Validierung und Standardisierung für klinische Forschungsanwendungen sicherzustellen.
- Verbesserte existierende Python ETL Orchestrierungsbibliotheken, die zu Performance- und Zuverlässigkeitsverbesserungen beitragen.
- Arbeiten mit Databricks, Schneefloke, Spark, Hadoop, AWS und Azure Data Factory zum Bau automatisierter Datenerfassungs-Pipelines.
- Unterstützte Bereitstellungsprozesse, Versionskontrolle und CI/CD-Workflows unter Verwendung von Bitbucket und Containerized Umgebungen.
AWS
DatabricksPythonSQL
Azure Data Factory
Senior Data Scientist
- Gründung und Leitung von Femtecs Vier Datenwissenschaftsteams, die die technische Richtung und die Betreuung von Datenwissenschaftlern definieren.
- Engineered large ETL processes to integration and harmonize health claims data from multiple US sources in the OMOP CDM.
- Entworfene und implementierte Vorhersagemodelle zur Früherkennung gynäkologischer Zustände mit Spark, Redshift, und AWS EMR.
- Angewandte OHDSI Frameworks für Modellschulung und externe Validierung über Datensätze mit unterschiedlichen medizinischen Codierungsstandards.
- Entwickelte Maschinenlern-Algorithmen (Zufallswald, Lasso, Ridge, Gradient Boosting, Naïve Bayes, kNN) und unkontrollierte Modelle für die Clusterierung von Mikrobiomdaten.
- Erstellte interaktive Dashboards und Visualisierungen mit Seaborn, Plotly, und Cufflinks für das Executive Reporting.
DockerAWSPythonSQL
R (programming language)Senior Data Scientist
- Entwickelte Vorhersage- und Klassifikationsmodelle für gastrointestinale Zustände unter Verwendung von Angaben und tragbaren Daten.
- Erstellte und optimierte Datenleitungen in GCP und BigQuery, um eine sichere und effiziente Aufnahme von medizinischen Unterlagen zu gewährleisten.
- Zusammenarbeit bei der Feature-Engineering, der Modellvalidierung und dem Einsatz von Google-Cloud-AI-Modellen in Produktionssystemen.
- Beitrag zur Schaffung automatisierter klinischer Datenpipelines mit Python, SQL und Apache Spark.
Apache SparkPythonSQL
Google CloudPandas
Research Assistant
- Durchführung von Doktorarbeiten in der Mathematischen Neurowissenschaft, Modellierung der neuronalen Netzwerkdynamik mit nichtlinearen Systemen und stochastischen Prozessen.
- Vorschlag eines mathematischen Rahmens für adaptive, selbst rekonfigurierbare neuronale Dynamik, das im Journal of Statistical Physics (2017) veröffentlicht wurde.
- Entwickelte neuronale Netzwerkmodelle, die input-abhängige Berechnungen in der visuellen Cortex und nichtlinearen Wellenausbreitung in der Cochlea simulieren.
- Analysierte großflächige ECoG und Multielektrode Array-Aufnahmen unter Anwendung fortschrittlicher statistischer und rechnerischer Modellierungstechniken.
- Autor mehrerer Publikationen in Peer-Review-Zeitschriften und trug zu theoretischen neurowissenschaftlichen Forschungsgemeinschaften bei.
Python
TensorFlow
Keras
MatlabExcellence en ingénierie
Alle Data Engineer & Scientists, die sich bei Proxify beworben haben, werden auf einer Skala von 0 bis 300 in technischer Exzellenz bewertet, einem der fünf von uns bewerteten Parameter. Diese Bewertung spiegelt ausschließlich die technische Exzellenz wider, basierend auf Interviews, Heimaufgaben, Live-Coding-Sitzungen und/oder Leistungsbewertungen am Arbeitsplatz. Die Kurve zeigt, wie alle bewerteten Data Engineer & Scientists in diesem Bereich verteilt sind, wo unsere Akzeptanzschwelle für diesen Parameter liegt und wo sich Dimitrios befindet.
Score 202 · Top 6% of engineers
Zertifikate 1
Issued Jun 2020
Issued Jun 2020
Ausbildung
Hör auf zu stöbern.
Lass dich schneller matchen.
Sprechen Sie mit einem Experten und erhalten Sie innerhalb von nur 2 Tagen maßgeschneiderte Matches aus unserem Netzwerk.
Zugriff auf über 6.000+ Experten
Werden Sie im Durchschnitt in 2 Tagen mit einem Entwickler zusammengebracht
Schnell und einfach einstellen mit 94% Übereinstimmungserfolg