Mariana F.
Data Scientist
Hänellä on myös käytännön kokemusta yksikkö- ja integrointitestauksesta, ominaisuustietovarastojen hallinnasta sekä Databricksin, Lookerin ja Metabasen kaltaisista työkaluista. Hänen monipuoliset tekniset taitonsa antavat hänelle mahdollisuuden rakentaa luotettavia ja skaalautuvia tietoratkaisuja.
Marianalla on vahva tausta rahoituksesta ja markkinoinnista, ja hän on siirtynyt teknologiateollisuuteen, jossa hänellä on neljän vuoden kokemus. Hänen asiantuntemuksensa kattaa analytiikan, luottomallinnuksen ja suosittelujärjestelmät, ja hänen intohimonsa dataan ja tilastoihin on hänen ajamansa. Hän on erinomainen luomaan hyvin suunniteltuja, tietoon perustuvia tuotteita, jotka tuottavat merkityksellisiä tietoja ja tuloksia.
Hänellä on ainutlaatuinen yhdistelmä analyyttistä terävyyttä ja teknistä osaamista, ja hän on taitava tekemään tietoon perustuvia päätöksiä ja rakentamaan vaikuttavia tuotteita, mikä tekee hänestä rikkauden mille tahansa tietoon keskittyvälle tiimille.
Tärkein asiantuntemus
Apache Spark5 vuotta
AWS5 vuotta
Databricks5 vuottaKokemus6
Data Scientist
- Improved credit approvals from 20% to 50% by developing and deploying a gradient-boosting classification model.
- Increased calculation accuracy by 30% by automating the calculation of Net Present Value (NPV) from Excel to Python.
- Decreased manual analysis from 20% to 10% in offline tests by creating a fallback logistic regression model for credit approvals.
Python
SQLData Scientist
- Increased 10% email click-through rate by training, optimizing, and deploying a deep learning two-tower content-based recommendation model.
- Trained and optimized a deep learning collaborative filtering recommendation model for email campaigns.
- Responsible for planning 2023 bets, interviewing and hiring, onboarding three new hires, and documenting legacy decisions from previous owners of recommendation models at the company.
Data Scientist
- Improved credit approvals from 20% to 50% by developing and deploying a gradient-boosting classification model.
- Increased calculation accuracy by 30% by automating the calculation of Net Present Value (NPV) from Excel to Python.
- Decreased manual analysis from 20% to 10% in offline tests by creating a fallback logistic regression model for credit approvals.
PythonSQLData Analyst
- Improved accuracy in the estimation of supply availability duration by 20% by developing a Survival Analysis method, impacting Unit Economics estimation.
- Zeroed differences in numbers of the main business metrics across the company by developing a standardized metrics calculation in Metrics Governance initiatives.
- Freed 25% of work time from one analyst by translating the calculation of business targets from Excel to SQL.
- Provided reports of main business metrics for Series D and Series E investment rounds.
PythonSQL
Data Analyst
- Developed a report template and process for analysis of marketing strategies of competitors across the company.
- Developed marketing campaign results template standardized cross-company to automate performance analysis.
PythonSQL
Controller Assistant
- Calculated yearly and monthly forecast estimation for financial statements within 15% of deviation from actual values.
- Developed dashboard templates and trained teams across countries for reporting.
PythonSQLArviointi
Tekniikan huippuosaaminen
Mariana yleinen suorituskyky 90 minuutin suorassa teknisessä arvioinnissa on top 25 % Proxifyn tarkastetuista Data Scientist.
Koulutus
Lopeta selaaminen.
Sovitetaan nopeammin.
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