
Data Engineer
Compétent en SAS Enterprise Guide, SAS Enterprise Miner, SAS Forecast Studio, Python, SQL, PL/SQL, Apache Airflow et OpenShift AI, Ayşe construit des pipelines de données efficaces et des solutions analytiques robustes qui traduisent des données complexes en informations exploitables.
L'une de ses réalisations les plus importantes a été le développement et le déploiement de modèles d'évaluation du crédit pour les clients commerciaux, y compris la création réussie de cartes d'évaluation de la probabilité de défaillance (PD) qui ont amélioré l'évaluation du risque et la précision de la prise de décision.
Ayşe est reconnu pour combiner l'excellence technique et la perspicacité stratégique, en fournissant constamment une valeur axée sur les données qui soutient la croissance de l'entreprise et l'efficacité opérationnelle.




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.
Tous les Data Engineers qui ont postulé chez Proxify sont notés de 0 à 300 en excellence en ingénierie, l'un des cinq paramètres que nous évaluons. Ce score reflète uniquement l'excellence en ingénierie, basée sur des entretiens, des exercices à domicile, des sessions de codage en direct, et/ou des évaluations de performance en poste. La courbe montre comment tous les Data Engineers évalués sont répartis sur cette plage, où se situe notre seuil d'acceptation pour ce paramètre, et où se situe Ayşe.

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3


Parlez à un expert et obtenez des correspondances personnalisées de notre réseau en seulement 2 jours.
Accédez à plus de 6 000+ experts
Soyez jumelé avec un développeur en 2 jours en moyenne
Embauchez rapidement et facilement avec un taux de réussite de 94%