Emil A.
Data Scientist
Er verfügt über solide theoretische Kenntnisse in Engineering und Mathematik sowie über eine hohe Problemlösungskompetenz und er geht immer analytisch und gut organisiert an seine Aufgaben heran. Er eignet sich neue Technologien schnell an, wodurch er wichtige Beiträge zur Projektentwicklung und zum Support-Lebenszyklus leisten kann.
Durch die Erarbeitung effektiver Lösungen spielt er eine Schlüsselrolle bei der Unterstützung von Stakeholdern im Unternehmen. In Zusammenarbeit mit Businessanalysten, Data Architects und Data Scientists entwickelt er dank seiner Expertise innovative Modelle, die auf Grundlage der Modell-Outputs neue Zielgruppensegmente ermitteln können.
Hauptkompetenz
Python4 Jahre
Data Science4 Jahre
Machine Learning5 Jahre
NumPy5 JahreErfahrung7
Senior Data Scientist
- Analysierte die optimale Anzahl an Partnergeschäften pro Stadt, um die ideale Anzahl zu modellieren und die Expansionsstrategie des Marktplatzes zu unterstützen.
- Konzipierte Analysen zur Steigerung des Warenkorbwerts und Experimente mit Schwellenwerten für kostenlose Lieferungen, um den optimalen Punkt für Umsatzsteigerungen zu ermitteln und damit die Preisstrategie direkt zu beeinflussen.
- Führte groß angelegte A/B-Tests und CUPED-Experimente für Marketingkampagnen durch.
- Entwickelte Datenpipelines mit Snowflake und Python und präsentierte die Ergebnisse leitenden Stakeholdern.
AWSPythonData Science
R (programming language)
Data Analytics
Agentic-AI-Entwickler
- Konzipierte und entwickelte eine durchgängige Plattform zur Orchestrierung von Multi-Agenten-KI, um Marketing-Workflows und die Content-Erstellung zu automatisieren.
- Entwickelte spezialisierte KI-Agenten mit Tool-Calling-Funktionen für die Content-Erstellung, Medienanalyse und Workflow-Automatisierung.
- Integrierte eigens entwickelte KI-Modelle als Ersatz für externe Modell- und API-Aufrufe, wodurch die Latenz reduziert, die Performance verbessert und die Betriebskosten gesenkt wurden.
MySQL
PostgreSQLPython
OpenAI API
LangChainDeep Learning Engineer
- Leitete die Entwicklung einer agentischen KI-Pipeline zur automatisierten Analyse von Kotbildern, die Bildausrichtung, Segmentierung, Objekterkennung und Klassifizierung integriert.
- Entwickelte einen hybriden Computer-Vision-Workflow, der YOLO zur Erkennung von Begrenzungsrahmen, SAM (Segment Anything Model) zur Bildsegmentierung und fortschrittliche Ausrichtungsmethoden (SuperGlue, DGC-Net und GLUNet) kombinierte, um die Präzision bei der Identifizierung relevanter Bildbereiche zu verbessern.
- Optimierte SAM mithilfe eines benutzerdefinierten COCO-annotierten Datensatzes und trainierte ein U-Net-CNN-Modell zur Extraktion und Klassifizierung krankheitsrelevanter Merkmale.
- Entwickelte ein durchgängiges System zur Unterstützung der Früherkennung von Krankheiten bei Haustieren mithilfe robuster und reproduzierbarer Bildanalyse-Workflows.
PythonData Science
Google Cloud
PyTorch
Convolutional neural network
Lead Data Scientist
- Arbeitete mit ELT- und ETL-Pipelines in MySQL Server.
- Überführte R-Studio-Code in andere Tools.
- Entwickelte Dashboards für den technischen Support und zur Überwachung der KPI-Entwicklung von Anbietern.
MySQLPython
Microsoft Power BIR (programming language)
VPN
LookerData Science Specialist
- Stellte die Integrität und Zuverlässigkeit der ETL-Pipelines bei Uptime sicher und führte analytische Experimente durch, um Herausforderungen in verschiedenen Bereichen zu bewältigen.
- Entwickelte mehrere Tableau-Dashboards, um Stakeholdern umsetzbare, datengestützte Erkenntnisse bereitzustellen.
- Entwickelte Machine-Learning-Modelle, darunter Klassifikationsmodelle zur Kategorisierung von Schemata und Förderkategorien für Handpumpen sowie Regressionsmodelle zur Vorhersage des Förderbedarfs und potenzieller Einnahmen.
- Entwickelte eine Streamlit-Anwendung, um die Datenanalyse zu optimieren und einen interaktiven Zugriff auf Machine-Learning-Modelle zu ermöglichen.
- Wirkte an einer wissenschaftlichen Publikation mit, in der die Ergebnisse und ihre Auswirkungen dokumentiert wurden.
- Verbesserte die Entscheidungsfindung und erhöhte die Vorhersagegenauigkeit um 20–25 %, indem Stakeholdern umsetzbare Erkenntnisse zur Optimierung der Fördermittelverteilung und Einnahmestrategien bereitgestellt wurden.
AWSPython
SQLData Science
XGBoostWissenschaftler für mathematische Modellierung
- Umwandlung von Reaktionsbedarf in testbare Hypothesen, Verfassen von Nachweisen sowie Prototypenentwicklung von Pipelines, die von Data Engineers weiterentwickelt und optimiert sowie von Data Scientists für maschinelles Lernen verwendet werden können.
Data Science
OpenCVXGBoost
Scrapy
Computer Vision
Data Scientist
- Erhebung und Analyse vergangener und aktueller Daten mit relevanter Computersoftware
- Ermittlung von Methoden zur Betriebsoptimierung und zur Kostensenkung auf der Grundlage von Datenanalysen
- Leitung eines Teams von Data Scientists
- Planung und Überwachung von Datenprojekten
- Bereitstellung von Tools für strategische Entscheidungen
- Durchführung unabhängiger Forschung mit Problembeschreibung, Forschungsplan, experimentellem Design, Algorithmenentwicklung, Code-Implementierung und Benchmark-Vergleich
- Implementierung modernster analytischer Prognoselösungen in den Bereichen Finanzen, Logistik und Vertrieb
- Analyse von Forschungsartikeln
Excellence en ingénierie
Alle Data 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 Scientists in diesem Bereich verteilt sind, wo unsere Akzeptanzschwelle für diesen Parameter liegt und wo sich Emil befindet.
Score 229 · Top 2% of engineers
Zertifikate 1
Issued Juli 2026
Credential ID pke2rfmlsk
PythonLangChainIssued Juli 2026
Credential ID pke2rfmlsk
PythonLangChainAusbildung
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