Evangelos K.

Data Scientist

Greece

Vertrauenswürdiges Mitglied seit 2024

6 Jahre Erfahrung

Eine seiner herausragenden Leistungen war die Automatisierung von Datenqualitätsprüfungen für einen führenden Getränkehersteller, wodurch die Zuverlässigkeit der PowerBI-Dashboards erheblich verbessert wurde. Er verfügt über einen Master-Abschluss in Unternehmensanalyse.

Hauptkompetenz

Qlik View5 Jahre

Data Science5 Jahre

Azure4 Jahre

Scikit-learn5 Jahre

16+

Erfahrung2

Senior Data Scientist

Accenture•

Information Technology (IT) and Services

Sep 2022 · 3y 6m

Durchführung von Kundensegmentierungen mit Hilfe von Clustering-Techniken und Data Mining, was gezielte Bemühungen in verschiedenen Projekten ermöglichte.
Automatisierte, industrialisierte und erweiterte Datenqualitätsprozesse über mehrere Märkte hinweg zur Optimierung von Werbestrategien und zur Verbesserung der Konsistenz und Zuverlässigkeit von Dateneinblicken (Raw-Curated/Datamesh).
Berichte und verbesserte Datenqualitätsprüfungen, die Datenfehler erheblich reduzieren, zuverlässigere Geschäftsentscheidungen gewährleisten und die Effizienz der Datenqualitätsberichterstattung erhöhen, so dass Geschäftsmanager Datenprobleme schnell erkennen und beheben können.
Angewandte Techniken zur Entitätsauflösung einschließlich Ähnlichkeitsalgorithmen und Ranking mit Klassifizierung, die die Qualität und Reichhaltigkeit von Kundenstammdaten verbessern und zu einem umfassenderen Verständnis des Kundenverhaltens führen.

Azure Blob storage

Data Science

Pandas

Scikit-learn

Data Analytics

Data Scientist

Propulsion Analytics•

Data Analytics

Aug 2019 - Aug 2022 · 3y

Erhielt hervorragendes Kundenfeedback für die Entwicklung und Implementierung innovativer Methoden zur Schätzung und Vorhersage der Schiffsleistung und des Bewuchses von über 30 Schiffen unter Verwendung von ML-Techniken und Visualisierungen, wodurch Schiffseigner Millionenbeträge einsparen konnten, indem sie fundierte Entscheidungen über Schiffsrouten und Reparaturmaßnahmen treffen konnten.
Durchführung von ETL auf Schiffssensordaten für mehr als 50 Schiffe (mit Frequenzen zwischen 1 Sekunde und 5 Minuten), Abstimmung (Hyperparameter-Optimierung) und Einsatz von ML-Algorithmen für etwa 30 Schiffe.
Erstellt unüberwachte Clustering-Algorithmen zur Analyse der Motorleistung.
Erkennung von Anomalien bei Zeitreihendaten mithilfe von ML-Techniken und PySpark für die Verarbeitung großer Datenmengen, einschließlich Abfragen, Aggregationen und Ad-hoc-Analysen.
Teilnahme an Produktentwicklungsaktivitäten.

Data Science