Oguz K.

• Designed and deployed an ML-based record linkage system for hotel booking data, using probabilistic matching algorithms to improve customer data completeness by 12%, enabling better tracking of customer behavior and spending patterns;

• Implemented an automated booking prediction framework covering 400+ hotels and 25M+ customers, leading to a 17% increase in conversion rates by replacing manual decision processes;

• Built and maintained scalable data pipelines integrating multiple data sources with automated weekly predictions and monthly retraining schedules;

• Architected end-to-end MLOps solutions on Kubernetes, ensuring reliable model deployment and performance monitoring;

• Led the development of containerized APIs and automated CI/CD pipelines, streamlining the deployment process and improving system reliability;

• Collaborated with product and business teams to align technical solutions with business objectives and measure impact;

• Integrated external data sources and implemented dynamic feature selection to enhance model performance and adaptability;

• Developed comprehensive monitoring systems to track model performance and data quality in production;

• Optimized model training and inference pipelines to handle large-scale data processing efficiently;

• A mis en œuvre des modèles d’estimation des revenus, d’estimation des limites de prêt et de probabilité de défaut pour remplacer les processus décisionnels manuels par des frameworks de ML automatisés pour une banque publique en Turquie;
• A conçu et développé des modèles de segmentation CRM et de propension à l’achat pour une banque privée en utilisant les données des clients pour améliorer l’efficacité des campagnes de marketing ;
• A effectué le prétraitement des données, l’ingénierie des fonctionnalités et la sélection des modèles pour optimiser la performance et la précision des modèles;
• A supervisé le déploiement des modèles de machine learning en production, en assurant une intégration transparente avec les systèmes et processus existants;
• S’est tenu informé des derniers développements en matière de machine learning et de data science pour assurer l’application des meilleures pratiques et des techniques de pointe.

• Provided data science and analytics services for ad-hoc projects, demonstrating a strong commitment to delivering data-driven insights and solutions;

• Developed a multiclass clustering pipeline by utilizing embedding techniques, specifically Bio ClinicalBERT, combined with neural network models. This pipeline was employed to predict patient ICD codes based on hospital reports for a medical startup company;

• Successfully implemented campaign digital performance prediction models for an e-commerce company, enabling data-driven decision-making in their marketing efforts;

• Employed anomaly detection models to identify and highlight unusual patterns or outliers in the digital campaign performance data, helping the e-commerce company proactively address issues and optimize their strategies;

• Collaborated closely with project stakeholders to gather requirements, understand project objectives, and define success criteria;

• Conducted data preprocessing, feature engineering, and model development, ensuring the robustness and accuracy of the solutions provided;

• Leveraged state-of-the-art data science and machine learning techniques to deliver high-quality and actionable insights to clients;

• Maintained effective communication with project teams, providing regular updates on project progress and addressing any questions or concerns;

• Demonstrated adaptability and a problem-solving mindset when faced with complex and challenging data science tasks;

• Contributed to the success of medical startup and e-commerce companies by delivering data-driven solutions that improved their decision-making processes and overall performance.

• A mis en œuvre des modèles NLP et de clustering pour segmenter efficacement le paysage numérique des consommateurs d’Unilever sur la base des données de comportement en ligne, améliorant ainsi la compréhension de l’entreprise de sa base de clients;
• A conçu et supervisé le déploiement d’une plateforme de tableau de bord Power BI, qui a agrégé des données de marketing et d’analyse sociale en temps réel, ce qui en a fait un outil précieux pour les décideurs au sein de l’organisation ;
• A obtenu une certaine reconnaissance en faisant figurer la plateforme de tableaux de bord Power BI dans le top 20 des tableaux de bord les plus actifs d’Unilever au niveau mondial, ce qui reflète son impact et son utilisation élevés dans l’ensemble de l’entreprise;
• Solides compétences analytiques et techniques dans l’utilisation des techniques NLP et de clustering pour extraire des modèles significatifs à partir de vastes ensembles de données, favorisant la prise de décision fondée sur les données chez Unilever;
• A contribué de manière significative à la compréhension du marché et à l’efficacité du marketing d’Unilever en fournissant des perspectives fondées sur les données et des tableaux de bord faciles à utiliser qui ont aidé à la planification et à l’exécution stratégiques.

• A joué un rôle central dans la conception des frameworks de collecte de données pour les marques B2B (Business-to-Business) et D2C (Direct-to-Consumer) inaugurales d’Unilever;
• A fait preuve d’une solide capacité à élaborer des stratégies et à mettre en œuvre des processus de collecte de données alignés sur les buts et objectifs d’Unilever, contribuant ainsi aux capacités de prise de décision fondées sur les données de l’entreprise;
• A maintenu une attention particulière sur la confidentialité des données et la conformité, en veillant à ce que toutes les activités de collecte de données respectent les réglementations pertinentes et les normes de l’industrie ;
• A continuellement surveillé et affiné les frameworks de collecte de données pour s’adapter à l’évolution de la dynamique du marché et des comportements des consommateurs, améliorant la capacité d’Unilever à rester agile et réactif sur le marché;
• En fin de compte, il a joué un rôle central dans la mise en place des éléments de base pour les enseignements tirés des données et les expériences client personnalisées pour les marques B2B et D2C d’Unilever, contribuant ainsi à leur croissance et à leur succès.

• Assumes responsibility for overseeing all Google Analytics implementations across brand and campaign websites, ensuring accurate tracking and data collection;

• Manages the setup and configuration of Google Analytics for multiple websites, ensuring that the tracking code is correctly deployed and tracking goals are defined;

• Collaborates with stakeholders to define and document key performance indicators (KPIs) for digital performance measurement, aligning reporting with business objectives;

• Regularly monitors and analyzes website traffic and user behavior using Google Analytics to provide actionable insights for optimizing digital strategies;

• Generates comprehensive reports and dashboards to track digital KPIs, presenting findings to relevant teams and stakeholders;

• Conducts data quality checks and troubleshooting to address any issues or discrepancies in Google Analytics data;

• Stays up-to-date with industry best practices and Google Analytics updates to continuously improve tracking and reporting processes;

• Ensures data privacy and compliance by implementing appropriate settings and configurations within Google Analytics;

• Works collaboratively with web development and marketing teams to implement tracking enhancements and improve data accuracy;

• Provides guidance and training to team members on Google Analytics and digital performance reporting to enhance the team's analytical capabilities.