Salvatore M.
Data Scientist
Il a travaillé avec Aon, Generali et Allianz, en développant des modèles avancés dans les domaines de l’assurance et de la télématique. En combinant des connaissances approfondies du domaine à l’excellence technique, il contribue à la mise au point de produits, aux stratégies de tarification et à l’optimisation de l’expérience utilisateur.
Le Salvatore est une solution de problème réfléchie et analytique, reconnus pour répondre à des défis complexes grâce à des solutions précises et innovantes qui procurent à la fois la qualité technique et l'impact sur les entreprises.
Expertise principale
Python8 ans
Data Science8 ans
Machine Learning8 ans
Scikit-learn8 ansExpérience3
Senior Data Scientist
- Modèles conçus et mis en œuvre à l'aide de données télématiques provenant de véhicules assurés
- Développer un modèle d'apprentissage en profondeur pour marquer les clients en fonction de leur comportement de conduite en utilisant un FCN (Fully Convolutional Network)
- Développé un modèle de détection de crash en utilisant un réseau LSTM pour identifier les plantages du véhicule
- Développé plusieurs paquets Python (par exemple, les utilitaires PyTorch pour les données de la série temporelle)
- Construit une pile MLOps incorporant le suivi d'expériences, le versioning de modèles, le service de modèles et la surveillance
Docker
AWSPython
SQL
Rust
Data Scientist
- Développé un modèle d'apprentissage en profondeur en temps réel pour détecter les accidents de voiture à l'aide de données télématiques
- Développement d'un modèle de notation client basé sur le comportement de conduite à l'aide de la bibliothèque LightGBM
- Construire un modèle de prévision du trafic pour estimer la diminution du nombre de réclamations dues aux verrous COVID-19
- Développement d'un modèle d'apprentissage de renforcement pour identifier les clients à contacter afin de maximiser le taux de conversion des campagnes de marketing.
DockerPythonSQL
Google Cloud
TensorFlow
Data Scientist
- Élaboré un algorithme de tarification dynamique pour optimiser le compromis entre le taux de conversion et la rentabilité prévue conformément aux objectifs de l’entreprise.
- Développé des modèles de conversion et d'assemblage en utilisant des algorithmes Random Forest et Gradient Boosting.
- Des modèles développés qui sous-tendent l'évaluation des primes techniques.
- Contribution au développement des tarifs.
- Développer des modèles de régression pour prédire les prix des concurrents.
PythonSQL
NumPy
XGBoost
PandasÉvaluations
Excellence en ingénierie
Les performances globales de Salvatore lors d'une évaluation technique en direct de 90 minutes se classent dans le top 5% des Data Scientist évalués chez Proxify.
Certificats 6
Issued Apr 2024
Credential ID 8l8dydppwg
Python
DagsterIssued Nov 2020
PythonSQLGoogle CloudNumPyPandasScikit-learnMachine Learning
PySpark
Issued Apr 2024
Credential ID 8l8dydppwg
PythonDagsterPortefeuille
Mis en avant par 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.
Éducation
Arrêtez de naviguer.
Soyez jumelé plus rapidement.
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%