Onur S.

Data Scientist

Onur est un Data Scientist accompli avec quatre années d'expérience commerciale dans le secteur IT, travaillant principalement sur le Big Data, la Recherche, l'IoT, le Deep Learning, les Chatbots et le Machine Learning.

C'est un expert en résolution de problèmes qui adopte une vue globale objective et génère des solutions viables - analytique et bien organisé avec une solide formation théorique en ingénierie et en mathématiques et qui apprend rapidement de nouvelles technologies.

Il peut jouer un rôle essentiel tout au long du cycle de vie du développement/support du projet pour s'assurer que des solutions de qualité répondent aux objectifs commerciaux. En outre, il possède un bon esprit d'équipe et est attentif aux délais.

Principale expertise
  • Python
    Python 5 ans
  • Data Science 3 ans
  • Machine Learning
    Machine Learning 3 ans
Autres compétences
  • Data Analytics 4 ans
  • Git
    Git 4 ans
  • Linux
    Linux 4 ans
Onur
Onur S.

Turkey

Commencer

Expérience sélectionnée

Emploi

  • Scientifique des données

    Pazarama, Turkey - 1 an 11 mois

    • Travaille sur le moteur de recherche avec ElasticSearch et met en œuvre la méthode de recherche sémantique en utilisant les mots intégrés (word embeddings).
    • Construit des moteurs de recommandation dynamiques et statiques pour les clients lors de leurs achats et de leurs visites sur la plateforme. -A entraîné les modèles Sasrec et Ssept pour la recommandation séquentielle et le modèle fasttext basé sur la proximité sémantique des produits en vue et des produits de la liste de souhaits.

    Les technologies:

    • Les technologies:
    • Python Python
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • MySQL MySQL
    • ElasticSearch ElasticSearch
  • Ingénieur de recherche

    Huawei Turkey - 1 an 1 mois

    • Travaille sur l'extraction de l'intention de l'utilisateur à partir des requêtes de recherche sur Huawei App Gallery et utilise le modèle mBERT pour classer la catégorie de la requête recherchée en trois niveaux.
    • Regroupe les requêtes en turc, en russe et dans d'autres langues requises pour les annoter, et former un modèle de classification pour extraire des informations sur les catégories recherchées par les utilisateurs afin d'afficher de meilleurs résultats.
    • A participé à un projet de recherche sur le regroupement de textes en fonction de leur sujet. Expérimente différents algorithmes de regroupement sur différents ensembles de données afin d'évaluer et d'obtenir une référence.
    • Effectue des recherches sur un projet de représentation hiérarchique des mots superposés afin d'améliorer les vecteurs de mots et les similitudes sémantiques entre les sous-catégories et les classes supérieures.

    Les technologies:

    • Les technologies:
    • Python Python
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • Pandas Pandas
    • Scikit-learn Scikit-learn
    • TensorFlow TensorFlow
    • Data Analytics
  • Spécialiste des solutions d'intelligence artificielle

    ETIYA, Turkey - 5 mois

    • A créé un moteur de recherche sémantique de documents pour Akbank, l'une des plus grandes banques de Turquie, afin d'accéder à n'importe quel document de la base de données de la banque, à l'aide de mots intégrés. A utilisé la suite ELK sur docker, ElasticSearch, pour indexer les données et utiliser la fonction de similarité cosinus pour trouver la similarité sémantique entre les requêtes recherchées et le contenu, le titre et la description du document.
    • A entraîné un modèle de clustering pour le moteur de recommandation en plus de l'utilisation de mots intégrés. A mis en œuvre un échantillon de données de journal d'utilisateur, et a entraîné le modèle word2vec avec les caractéristiques des produits et des dates dans l'ordre pour chaque client, et a représenté cette caractéristique avec des vecteurs de mots. A regroupé tous les clients à l'aide du modèle k-means, afin d'affecter les nouveaux utilisateurs en fonction de leur recherche de produits et de recommander des produits en conséquence. En outre, il a ajusté ce modèle pour recommander d'abord statistiquement les produits lorsque l'utilisateur revient faire des achats après une session, mais aussi dynamiquement en changeant les produits recommandés lorsque l'utilisateur ajoute des produits à son panier. Ce modèle a été déployé et acheté par Basbug Otomotiv, l'un des plus grands magasins de vente de pièces détachées automobiles.

    Les technologies:

    • Les technologies:
    • Data Science
    • Machine Learning Machine Learning
    • NumPy NumPy
    • Pandas Pandas
    • Scikit-learn Scikit-learn
    • ElasticSearch ElasticSearch
    • Data Analytics
    • Docker Docker
  • Ingénieur de recherche

    Xinapse, South Korea - 1 an 1 mois

    • A travaillé à la construction d'un système de questions-réponses pour l'anglais et le coréen en utilisant BERT, pour le remplacer par le système basé sur des règles qui avait été mis en œuvre dans l'architecture du chatbot de l'entreprise.
    • A créé un crawler de données d'actualités coréennes à partir du site d'actualités Naver en utilisant la pile EFK (ElasticSearch + Fluentd + Kibana) à l'intérieur d'un conteneur Docker.
    • A mis en œuvre une méthode de tokénisation plus efficace pour le Hangeul (coréen), appelée Sentencepiece, alors que la tokénisation Wordpiece était à l'origine implémentée dans BERT. (Réalisé par l'Institut coréen de recherche industrielle).
    • Il a également élaboré un modèle de prévision des indices du cycle économique basé sur des séries chronologiques de données d'actualités coréennes pour un secteur spécifique. A mis en œuvre la modélisation thématique avec NMF, l'analyse sémantique des données d'actualité, le modèle factoriel dynamique, le modèle à seuil latent, etc.

    Les technologies:

    • Les technologies:
    • Data Science
    • NumPy NumPy
    • Pandas Pandas
    • TensorFlow TensorFlow
    • ElasticSearch ElasticSearch
    • Kibana Kibana
    • Keras Keras
    • Selenium Selenium
    • Docker Docker
    • Linux Linux

Éducation

  • License ès sciencesInformatique et Ingénierie

    Université de Kangnam, Corée du Sud · 2015 - 2019

Trouvez votre prochain développeur en quelques jours et non sur plusieurs mois

Nous pouvons vous aider à lancer votre produit plus rapidement grâce à un développeur en télétravail expérimenté. Le tout à partir de 31,90 €/heure. Ne payez que si vous êtes satisfait de votre première semaine.

Dans un court appel de 25 minutes, nous voulons:

  • Comprendre vos besoins en développement
  • Vous expliquez comment nous allons vous mettre en relation avec le développeur le mieux qualifié pour votre projet, sélectionné avec soin
  • Vous indiquez nos prochaines démarches afin de vous trouver le meilleur développeur, souvent en moins d'une semaine

Par où commencer?

Contactez-nous

Le premier développeur commence en quelques jours. Pas de discours de vente agressif.