Fernando G.

Clearco is a revenue-based financing platform that provides non-dilutive capital to thousands of e-commerce and SaaS businesses, using data-driven underwriting models.

• Built an LLM-based document extraction pipeline (Ollama, Phi-4, Docling, Vertex AI), reducing client document processing from days of manual review to minutes of automated extraction

• Migrated revenue forecasting for thousands of businesses from daily to weekly cadence, cutting compute time by 14% while preserving forecasting accuracy

• Implemented an uncertainty quantification framework using conformal prediction, replacing point-in-time forecasts with calibrated uncertainty bands to flag worst-performing forecasts

• Drove the analytical decision on launching a new banking-data-based financing product, providing the modelling that compared it against the existing revenue-based offering

• Diagnosed and eliminated a recurring timeout issue in the production forecasting system, removing a long-standing source of failed runs

• Designed an end-to-end automated ETL pipeline (Snowflake, Airflow, Cloud Composer) to generate datasets for forecasting research at scale

• Built a Streamlit-based annotation and metrics suite to evaluate LLM extraction quality across iterations

Zixen Trading is a high-frequency crypto trading venture co-founded with former Transfero colleagues to develop systematic trading strategies on digital assets.

• Co-founded the company and shaped its initial technical direction in systematic crypto trading

• Built the PnL tracking infrastructure that connected to multiple crypto exchange accounts and ingested live market data

• Developed the data layer used by trading strategies for backtesting and live execution

• Owned the full ML and data engineering stack as a founding technical lead during the build phase

• Suunnitteli ja kehitti datan ETL-putken massiivisten taloudellisten tietokokonaisuuksien laskentaa varten, mikä lyhensi laskenta-aikaa useista päivistä tunteihin (PySpark – Databricks – Azure).
• Luonut "koodin metodologian" ohjaamaan uusien koneoppimishankkeiden kehittämistä, jonka pohjalta rakennettiin kaksi hanketta.
• Kehittänyt koneoppimismalleja Bitcoin-kaupan volyymin (XGBoost, 65 % tarkkuus) ja kryptojen volatiliteetin (Temporal Fusion Transformer, 95 % tarkkuus) ennustamiseen.
• Kehittänyt MLOps-putken mallien tuotantoon saattamiseksi: satojen ominaisuuksien laskeminen, reaaliaikaisten johtopäätösten suoratoisto FastAPI Websocket-palvelimen avulla, mallien seuranta SQL-tietokannan ja Slack API:n avulla (Dockerilla sovelluksissa ECS, AWS FeatureStore, FastAPI, SQL, Slack), käyttöaika yli 99 %.
• Luonut numeerisen indeksin aikasarjadatan pisteyttämiseksi ja kaupankäyntistrategioiden rakentamiseksi (tilastolliset korrelaatiot, yhteisintegraatio, ACE-pisteet, aikasarja-analyysi).

Suoritti tilastollisen analyysin asiakkaiden vaihtuvuudesta suurelle brasilialaiselle B2C-videostriimaussovellukselle.

• Kehitti algoritmeja GPS-suodatusta, -korjausta ja suorituskyvyn analysointia varten amatöörijalkapalloilijoille.
• Vastasi tietotuotteiden laadun varmistamisesta ja sellaisten tehtävien hallinnoinnista kuin backlog, OKR:t ja mittarit.
• Integroinut Python-algoritmit AWS:n kanssa Serverless-kehyksessä, mukaan lukien Lambda, S3, EC2, DynamoDB ja CloudWatch.
• Suorittanut muun muassa seuraavia tehtäviä: tietojen analysointi, Kalman-suodattimien, neuroverkkojen, sumeiden suodattimien, tieteellisten algoritmien, tilastollisten oivallusten, peruskonenäön ja kasvontunnistusalgoritmien toteuttaminen.
• Hyödyntänyt Pythonia tehokkaiden tietovisualisointien luomiseen.
• Ylläpitänyt Python-infrastruktuuria satojen päivittäisten toimitusten automaattista toimittamista varten.

• Data Scientist from Day 1 of the company, from 0 to over 50000 users

• Algorithms for GPS filtering and correction and performance analysis fore lite football athletes and amateur players

• Client-facing customer success role regarding data services of the product

-Responsible for data products quality assurance, backlog, OKRs, and metrics

• Integrated Python algorithms with AWS on Serverless Framework (Lambda, S3 , EC2, DynamoDB, CloudWatch)

-Tasks included Data Analysis , Kalman Filters , Neural Networks , Fuzzy Filters , scientific algorithms , statistical insights engine ,basic computer vision and facial recognition algorithms

• Powerful data visualization with Python

• Maintenance of Python infrastructure for automatic delivery of hundreds of reports daily