
Data Engineer
Ayşe hallitsee SAS Enterprise Guiden, SAS Enterprise Minerin, SAS Forecast Studion, Pythonin, SQL:n, PL/SQL:n, Apache Airflow'n ja OpenShift AI:n. Hän rakentaa tehokkaita dataputkia ja vankkoja analyysiratkaisuja, jotka muuttavat monimutkaiset tiedot käyttökelpoisiksi näkemyksiksi.
Yksi hänen merkittävimmistä saavutuksistaan oli kaupallisille asiakkaille tarkoitettujen luottopisteytysmallien kehittäminen ja käyttöönotto, mukaan lukien PD-pisteytyskorttien (Probability of Default) menestyksekäs luominen, mikä paransi riskinarvioinnin ja päätöksenteon tarkkuutta.
Ayşe on tunnustettu teknisen huippuosaamisen ja strategisen näkemyksen yhdistämisestä, ja se tuottaa jatkuvasti tietoon perustuvaa arvoa, joka tukee liiketoiminnan kasvua ja toiminnan tehokkuutta.




Conducted fraud detection analysis and implemented business rules to identify suspicious transactions;
Applied regression, clustering, decision tree, and neural network algorithms for predictive modeling;
Performed social media analytics and text mining to detect anomalies and patterns in unstructured data;
Utilized SAS Enterprise Guide, SAS Enterprise Miner, and SAS SNA for data modeling and network analysis;
Worked with Base SAS, Python, and R for data manipulation and analytical model development;
Performed fraud detection and implementation of business rules;
Applied regression, cluster analysis, decision tree, and neural network algorithms;
Conducted social media analytics and text mining;
Worked with SAS Enterprise Guide, SAS Enterprise Miner, SAS SNA, Base SAS, Python, and R.

Performed data preparation, cleansing, and analysis to support business intelligence and forecasting initiatives;
Developed short-term and long-term demand forecasting models using statistical and machine learning techniques;
Conducted descriptive analysis, time series modeling, cluster analysis, and decision tree analysis to uncover business insights;
Applied neural network algorithms to improve prediction accuracy;
Scheduled automated reporting and analytics jobs;
Utilized SAS Enterprise Guide, SAS Enterprise Miner, and SAS Forecast Studio, along with Base SAS and Python for model development and reporting;
Performed data preparation, data cleansing, and data analysis;
Developed short-term and long-term demand forecasting models;
Applied descriptive analysis, time series analysis, cluster analysis, decision tree analysis, and neural network applications;
Managed scheduling of jobs and reporting;
Worked with SAS Enterprise Guide, SAS Enterprise Miner, SAS Forecast Studio, Base SAS, and Python.
Worked with SAS Enterprise Guide, SAS Enterprise Miner, and SAS Forecast Studio;
Utilized SAS Social Media Analytics, SAS Text Miner, and SAS Visual Analytics.
Kaikki Data Engineert, jotka ovat hakeneet Proxifylle, pisteytetään välillä 0–300 insinööritaidon perusteella, joka on yksi viidestä arvioimastamme parametrista. Tämä pistemäärä heijastaa ainoastaan insinööritaitoa, perustuen haastatteluihin, kotitehtäviin, suorissa koodausistunnoissa sekä työn suorituskyvyn arvioinnissa annettuihin tuloksiin. Kaavio näyttää, miten kaikki arvioidut Data Engineert jakautuvat tässä mittakaavassa, hyväksymisrajamme tälle parametrille sekä missä kohtaa Ayşe sijaitsee.

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3


Keskustele asiantuntijan kanssa ja saat räätälöityjä ehdotuksia verkostostamme vain 2 päivässä.
Pääsy yli 6 000+ asiantuntijaa
Löydä kehittäjä keskimäärin 2 päivässä
Palkkaa nopeasti ja helposti 94% onnistuneella osumalla