Dimitrios G.

Data Scientist

Dimitrios on tietotieteilijä, jolla on yli seitsemän vuoden kokemus ennakoivista malleista, analyyttisistä putkistoista ja datapohjaisista ratkaisuista.

Hän on erikoistunut Pythoniin, SQL:ään, Scikit-learnsiin ja Google Cloudiin kehittämään ennustamis-, kirkko- ja segmentointimalleja, jotka paransivat päätöksentekoa ja ajoivat kouraantuntuvia liiketoimintatuloksia.

ESL FACEIT Groupissa hän kehitti Vertex AI:n kautta käyttöön otettuja pelaajien käyttäytymistä ja matchmaking -malleja. Klo Channel 4, hänen mainos suorituskyvyn mallit osaltaan tuottaa yli £ 8 miljoonaa lisätuloja.

Dimitrios yhdisti syvällistä analyyttistä asiantuntemusta käytännön insinööritaidoilla, muuttaen monimutkaiset tiedot toiminnallisiksi oivalluksiksi ja mitattavissa oleviksi tuloksiksi.

Tärkein asiantuntemus

  • SQL
    SQL 7 vuotta
  • Python
    Python 7 vuotta
  • Data Science 7 vuotta

Muut taidot

  • Git
    Git 7 vuotta
  • Bash
    Bash 3 vuotta
  • Google Cloud Storage
    Google Cloud Storage 3 vuotta
Dimitrios

Dimitrios G.

Greece

Aloita tästä

Valittu kokemus

Työllisyys

  • Data Scientist

    ESL Faceit Group - 3 years 1 month

    • Kehitetty ja otettu käyttöön käyttäjäsegmentointimalli käyttäen ei-valvottua ryhmittelyä ryhmäpelaajille viimeaikaisella ja aktiivisuustiheydellä, yksilöllisten uudelleenaktivointikampanjoiden mahdollistaminen, mikä johti 3 × korkeampiin muuntokursseihin ja jatkuvaan sitoutumiseen 10 päivän aikana.
    • Suunnitellut Fast Skill Calibration mallin arvioida todellisia taitotasoja uusille pelaajille, käsitellään Cold Start -ongelmaa matchmaking avulla valvottu ennakoiva mallinnus.
    • Luotu Trust Score -mittarin käyttäytymisen analysointiin liikkuvan kymmenen ottelun ikkunasta joka auttoi tunnistamaan ja palkitsemaan positiivisen pelaajan käyttäytymisen ja vähentää häiritseviä tapahtumia.
    • Yhdessä analytiikan, tuote- ja kasvutiimien kanssa integroida malleja tuotantoon, tukee päätöksentekoa ja kohdennettua viestintää.
    • Google Cloudin hallinnoidut dataputket (Vertex AI, BigQuery) laajamittaiseen mallikoulutukseen ja reaaliaikaiseen analytiikkaan.

    Tekniikat:

    • Tekniikat:
    • MySQL MySQL
    • PostgreSQL PostgreSQL
    • Python Python
    • Data Science
    • Google Cloud Google Cloud
    • NumPy NumPy
    • XGBoost XGBoost
    • Pandas Pandas
    • PyCharm PyCharm
    • Machine Learning Machine Learning
    • Large Language Models (LLM) Large Language Models (LLM)
    • Vertex AI Vertex AI
    • Jupyter Jupyter
    • Google Cloud Storage Google Cloud Storage
    • A/B Testing

  • Data Scientist

    Channel 4 - 1 year 6 months

    • Rakennettu Vaikutus Ennustus malleja käyttäen valvottua oppimista ennustamaan suorituskykyä kaupallisten taukojen demografinen, tuottaa yli £ 8M lisätuloja vuonna 2021.
    • Luotu Ad Load Optimization -malleja, joiden avulla voidaan määrittää ihanteelliset mainostaajuudet käyttäjää kohden, maksimoida elinikäinen arvo ja säilyttää katsojakokemus.
    • Suunnitellut laajamittaiset MCMC-simulaatiot käyttäen Dask and PySpark, mikä vähentää laskenta-aikoja 40%.
    • Toimitetaan selitettäviä malleja ja raportointikojelautoja liike- ja myyntitiimeille.
    • Tuetaan toimitiloissa olevien dataputkien siirtymistä AWS Lambdaan ja EC2, mallin käyttöönoton virtaviivaistamista.

    Tekniikat:

    • Tekniikat:
    • AWS AWS
    • Python Python
    • AWS Lambda AWS Lambda
    • AWS S3 AWS S3
    • Data Science
    • NumPy NumPy
    • Pandas Pandas
    • PyCharm PyCharm
    • Scikit-learn Scikit-learn
    • Data Modeling
    • Machine Learning Machine Learning
    • AWS EC2 AWS EC2
    • Jupyter Jupyter

  • Data Scientist

    Virgin Media - 1 year

    • Kehitetyt yritysostomallit, joissa käytetään valvottua oppimista todennäköisten mahdollisuuksien tunnistamiseen, parantavat asiakkaiden hankintaastetta 22%.
    • Luotu ennakoivia kirkko- ja upsell -malleja, jotka parantavat asiakkaiden säilytystä ja ristikkäismyyntitehokkuutta.
    • Suunniteltu ominaisuus tekninen kehys vipuvaikutus Dask rinnakkain käsittelyä suurissa tietokokonaisuuksissa, kiihdyttää ominaisuus laskenta 5×.
    • Toteutetut reaaliaikaiset ennakoivat palvelut integroitu markkinoinnin automaatioputkistoihin.

    Tekniikat:

    • Tekniikat:
    • MySQL MySQL
    • PostgreSQL PostgreSQL
    • Python Python
    • Data Science
    • XGBoost XGBoost
    • Scikit-learn Scikit-learn
    • Data Modeling
    • Machine Learning Machine Learning
    • Jupyter Jupyter

  • Junior Data Scientist

    JustPark - 1 year 5 months

    • Suoritettu asiakassegmentointi (KYC) käyttäen klusterointia ja luokittelua ennakoimaan elinikäistä arvoa ja parantamaan käyttäjän kohdentamista.
    • Rakennetut kysynnän ja tarjonnan optimointimallit, joissa yksilöitiin kannattavia laajentumisalueita Yhdistyneessä kuningaskunnassa ja tuetaan datavetoista markkinoiden kasvua.
    • Valmistetut tietoraportit ja kojelaudat jaettiin B2B-asiakkaiden kanssa kumppanuuden suorituskyvyn ja liiketoiminnan kannattavuuden arvioimiseksi.
    • Automatisoitu toistuva analytiikan työnkulku Pythonissa, säästäen manuaalisen raportoinnin tunteja joka viikko.

    Tekniikat:

    • Tekniikat:
    • MySQL MySQL
    • Python Python
    • Data Science
    • XGBoost XGBoost
    • Pandas Pandas
    • PyCharm PyCharm
    • Scikit-learn Scikit-learn
    • Data Modeling
    • Jupyter Jupyter

  • Data Scientist Assistant

    JustPark - 2 months

    • Conducted research and modeling as part of MSc dissertation in collaboration with JustPark.

    • Designed a customer segmentation pipeline (clustering) using unsupervised learning to identify patterns in user parking behavior.

    • Produced actionable recommendations for marketing and retention teams.

    • Wrote and presented a dissertation project applying the methodology to real company data, later used internally for campaign targeting.

    Tekniikat:

    • Tekniikat:
    • MySQL MySQL
    • Python Python
    • Data Science
    • XGBoost XGBoost
    • Pandas Pandas
    • PyCharm PyCharm
    • Scikit-learn Scikit-learn
    • Data Modeling
    • Machine Learning Machine Learning
    • Jupyter Jupyter

Koulutus

  • MSc.Big Data Science and Technology

    University of Bradford · 2017 - 2018

  • BSc.M.Eng Computer and Communications Engineering

    University of Thessaly · 2007 - 2017

Löydä seuraava kehittäjäsi päivien, ei kuukausien sisällä

Kun otat yhteyttä, järjestämme lyhyen 25 minuuttia kestävän tapaamisen, jonka aikana:

  • Kartoitamme yrityksenne kehitystarvetta
  • Kertoa prosessimme, jolla löydämme teille pätevän, ennakkotarkastetun kehittäjän verkostostamme
  • Käymme läpi askeleet, joilla oikea ehdokas pääsee aloittamaan – useimmiten viikon sisällä

Keskustele kanssamme

Ensimmäinen kehittäjä pääsee yleensä aloittamaan muutaman päivän sisällä yhteydenotosta.