Salvatore M.
Data Scientist
Hän on työskennellyt Aonin, Generalin ja Allianzin kanssa kehittäen kehittyneitä malleja vakuutus- ja telematiikka-aloilla. Yhdistämällä syvän verkkotunnuksen tekniseen huippuosaamiseen hän edistää toimivaa ymmärrystä tuotekehityksestä, hinnoittelustrategioista ja käyttäjäkokemuksen optimoinnista.
Salvatore on harkittu ja analyyttinen ongelma ratkaista, tunnustettu monimutkaisten haasteiden ratkaisemiseksi täsmällisillä ja innovatiivisilla ratkaisuilla, jotka tuottavat sekä teknistä laatua että liiketoiminnan vaikutuksia.
Tärkein asiantuntemus
Python8 vuotta
Data Science8 vuotta
Machine Learning8 vuotta
Scikit-learn8 vuottaKokemus4
Senior Data Scientist
- Suunnitellut ja toteutetut mallit käyttäen telemaattisia tietoja vakuutetuista ajoneuvoista
- Kehitetty syvä oppimismalli asiakkaiden pisteyttämiseksi ajokäyttäytymisen perusteella käyttäen FCN (Fully Convolutional Network)
- Kehitetty kaatumisen havaitsemismalli käyttäen LSTM-verkkoa ajoneuvon kaatumisten tunnistamiseen
- Kehitetty useita Python-paketteja (esim., PyTorch apuohjelmat aikasarjadataan)
- Rakennettu MLOps pino sisältää kokeellisen seurannan, mallinnus, mallin tarjoilu, ja seuranta
Docker
AWSPython
SQL
Rust
Data Scientist
- Kehitetty reaaliaikainen syvä oppimismalli tunnistaa auton kaatuu telematiikan tietoja
- Kehitetty ajokäyttäytymiseen perustuva asiakaspisteytysmalli LightGBM-kirjaston avulla
- Rakenna liikenneennustemalli, jolla arvioidaan COVID-19 -työsulkujen aiheuttamien vahinkojen määrän väheneminen
- Kehitetty vahvistava oppimismalli tunnistaa asiakkaat ottaa yhteyttä, jotta maksimoida muuntoaste markkinointikampanjoiden
DockerPythonSQL
Google Cloud
TensorFlow
Data Scientist
- Kehitti dynaamisen hinnoittelualgoritmin optimoidakseen muuntokurssin ja odotetun kannattavuuden välisen kompromissin liiketoimintatavoitteiden mukaisesti.
- Kehitetty muuntaminen ja kirkkomalleja käyttäen Random Forest ja Gradient Boosting algoritmeja.
- Kehitetyt mallit taustalla teknisten palkkioiden arviointi.
- Osallistunut tariffien kehittämiseen.
- Kehitetyt regressiomallit kilpailijoiden hintojen ennustamiseksi.
PythonSQL
NumPy
XGBoost
PandasActuarial Intern
Allianz is a global insurance and financial services provider serving millions of customers worldwide.
Development of a Continuous Time Markov Chain Model for the evaluation of the Premium Technical Provisions according to the EU directive Solvency II. The model estimates:
- Expected duration of the policies.
- Expected future premiums.
- Expected refunds given by the lapsed policies.
CSQL
R (programming language)
Matplotlib
Seaborn
Microsoft ExcelTekniikan huippuosaaminen
Kaikki Data Scientistt, 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 Scientistt jakautuvat tässä mittakaavassa, hyväksymisrajamme tälle parametrille sekä missä kohtaa Salvatore sijaitsee.
Score 206 · Top 5% of engineers
Sertifikaatit 6
Issued Apr 2024
Credential ID 8l8dydppwg
Python
Dagster
Issued Nov 2020
PythonSQLGoogle CloudNumPyPandasScikit-learnMachine Learning
PySpark
Issued Apr 2024
Credential ID 8l8dydppwg
PythonDagsterPortfolio
Korostanut Salvatore
1This Python package provides an efficient implementation of the Ramer-Douglas-Peucker algorithm using Rust and PyO3. The algorithm simplifies a curve composed of line segments by reducing the number of points while preserving the overall shape.
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