Fernando G.

• A conçu et développé le pipeline ETL pour calculer des ensembles de données financières massives, réduisant le temps de calcul de plusieurs jours à quelques heures (PySpark - Databricks - Azure) ;
• A créé une « méthodologie sur le code » pour guider le développement de nouveaux projets d’apprentissage automatique, à partir de laquelle deux projets ont été structurés ;
• A développé des modèles d'apprentissage automatique pour prévoir le volume des échanges de bitcoins (XGBoost, 65 % de précision) et la volatilité des crypto-monnaies (Temporal Fusion Transformer, 95 % de précision) ;
• A développé un pipeline MLOps pour mettre les modèles en production : calcul de centaines de caractéristiques, inférences en temps réel à l'aide du serveur FastAPI Websocket, surveillance du modèle à l'aide de la base de données SQL et de l'API Slack (Docker sur ECS, AWS FeatureStore, FastAPI, SQL, Slack), avec un temps de disponibilité de plus de 99 % ;
• A créé un indice numérique pour évaluer les données des séries temporelles et aider à élaborer des stratégies commerciales (corrélations statistiques, co-intégration, score ACE, analyse des séries temporelles).

A effectué une analyse statistique de l'attrition de la clientèle pour une grande application brésilienne de streaming vidéo B2C.

• A développé des algorithmes pour le filtrage, la correction et l'analyse des performances du GPS pour les joueurs de football amateurs, y compris les athlètes de haut niveau.
• A été chargé d'assurer la qualité des produits de données et de gérer des tâches telles que le carnet de commandes, les OKR et des indicateurs de mesure.
• A intégré des algorithmes Python avec AWS sur le framework Serverless, notamment Lambda, S3, EC2, DynamoDB et CloudWatch.
• A effectué des tâches telles que l'analyse de données, la mise en œuvre de filtres de Kalman, de réseaux neuronaux, de filtres flous, d'algorithmes scientifiques, de moteurs d'analyse statistique, d'algorithmes de base de vision par ordinateur et de reconnaissance faciale.
• A utilisé Python pour créer de puissantes visualisations de données.
• A maintenu l'infrastructure Python pour la livraison automatique de centaines de rapports quotidiens.

• 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