Ufuk Y.
Data Scientist
Eine seiner wichtigsten Errungenschaften war die Leitung eines Hochleistungsprojekts für eine große Fluggesellschaft. wo er ein Nachfrageberechnungs- und Produktlastoptimierungssystem für den Bordumsatz entwickelte. Die Lösung befasste sich mit komplexen Daten und operativen Zwängen, was zu einer Steigerung des monatlichen Gewinns von 7 % und einer Verringerung des Produktmülls von 20 % führte.
Ufuk liefert Datenwissenschaftlösungen, die starke technische Grundlagen mit klaren unternehmerischen Auswirkungen verbinden.
Hauptkompetenz
Python5 Jahre
Data Science5 Jahre
SQL5 JahreErfahrung4
Senior Data Scientist
- Entwicklung eines vorausschauenden Systems für die Prognose und Optimierung des Lagerbestands an Bord und ermöglicht datengestützte Produktladestrategien für den Flugbetrieb
- Erhöhte monatliche Gewinne um 7% und reduzierte Produktmüll um 20%, was dazu beiträgt, dass die Fluggesellschaft unter den 50 innovativsten Unternehmen der Türkei anerkannt wird
- Umgeführte Kundensegmentierung mit Google Analytics-Daten und K-Means Clustering, um Einkaufsmuster und demographische Einblicke für gezieltes Marketing aufzudecken
- Erstellte ein generatives KI Text-zu-SQL-System mit LangChain und LlamaIndex, das das Abfragen von Datenbanken für nicht-technische Benutzer ermöglicht
- Bereitstellung eines Data Science Trainingsprogramms für die Dashen Bank in Äthiopien, Unterrichten von 8 Fachleuten maschinelles Lernen und statistische Analyse durch praktische Projekte
- Beteiligt an der Forschungsinitiative SafeRoute-6G und der Entwicklung von Modellen für den Kraftstoffverbrauch, die Erkennung von Ruhezeiten und die Analyse des Verkehrsunfall-Hotspots
PostgreSQLPythonSQLData Science
TensorFlowData Scientist
- Entwickelte Vorhersagemodelle für die frühzeitige Einlösung und das Kredit-Vorauszahlungsrisiko bei Einlagen- und Kreditkonten unter Verwendung von Überlebensanalysemethoden (proportionale Cox-Risiken, Kaplan–Meier) und maschinelles Lernen (XGBSE)
- Berechnete Kerneinlagenquoten zur Bewertung der Kundenbindung und Einlagenstabilität, zur Unterstützung der langfristigen Finanzplanung und Risikobewertung
- Entworfen und implementiert ein Schaltungsoptimierungssystem basierend auf Verkaufsprognosen pro Ladengang, um die Personaleffizienz und die operative Leistung zu verbessern
PythonSQL
Azure ML
Vertex AIJunior Data Scientist
- Lite die Migration von SAS zu SQL für Kreditrisikoanalytiker, wodurch ein nahtloser Übergang von Datenleitungen gewährleistet wird analytische Workflows und Reporting unter Beibehaltung der Ausgabetreue
- Optimierte groß angelegte Datenverarbeitung in SQL und geplante Arbeitsabläufe entsprechend IFRS 9 Kreditrisikostandards
- Ein konfigurierbares Zeitreihenmodell mit PySpark auf Microsoft Azure entwickelt und ermöglicht flexible Kundennachfrageprognosen in allen Branchen
- Eine skalierbare Prognoselösung im Azure Marktplatz
- Mit dem Cloudera Ökosystem Python, HDFS, wurde eine end-to-end große Datenpipeline in Echtzeit entwickelt Hive, Impala, Druid und Superset zur nahtlosen Aufnahme, Verarbeitung und Visualisierung von Streaming-Daten
PythonSQL
SAS
Hadoop
Apache Superset
PySparkSoftware Engineer
- Erfasste und beschriftete Bilddaten für Modellschulungen in einer Bildverarbeitungs-Pipeline mit dem Ziel der Echtzeit-Kennzeichnungsschild-Erkennung
- Web-Scraping zum Sammeln eines umfassenden Datensatzes von Kennzeichenbildern, gefolgt von manueller Beschriftung einzelner Buchstaben und Zahlen
- Entwicklung eines Echtzeit-Lizenzschildererkennungssystems mit YOLOv3 und Nutzung der Darknet-53 CNN-Architektur mit 53 konvolutiven Schichten zur hochpräzisen Objekterkennung
- Vorverarbeitete und kuratierte Trainingsdaten für optimale Leistung und Verallgemeinerung des Erkennungsmodells
PythonData Science
OpenCV
Pandas
LinuxExcellence 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 Ufuk befindet.
Score 179 · Top 15% of engineers
Zertifikate 2
Issued Jan 2024 - Expires Jan 2025
Credential ID B94692A4FE34A7EC
PythonData ScienceAzure ML
Machine Learning
Issued Feb 2022
Issued Jan 2024 - Expires Jan 2025
Credential ID B94692A4FE34A7EC
PythonData ScienceAzure MLMachine LearningAusbildung
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