Ufuk Y.
Data Scientist
L'une de ses réalisations clés a été de mener un projet à fort impact pour une compagnie aérienne majeure, où il a développé un système de prévision de la demande et d'optimisation de la charge du produit pour les ventes en vol. La solution abordait les contraintes opérationnelles et les données complexes, entraînant une augmentation de 7 % des bénéfices mensuels et une réduction de 20 % des déchets de produits.
Ufuk fournit des solutions de science des données qui combinent des fondations techniques solides et un impact clair sur les affaires.
Expertise principale
Python5 ans
Data Science5 ans
SQL5 ansExpérience4
Senior Data Scientist
- Développer un système prédictif pour la prévision des ventes en vol et l'optimisation des stocks, permettant des stratégies de chargement de produits axées sur les données pour les opérations aériennes
- Augmentation des profits mensuels de 7% et réduction des déchets de 20%, contribuant à la reconnaissance de la compagnie parmi les 50 entreprises les plus innovantes de Turquie
- Meilleure segmentation des clients en utilisant les données Google Analytics et la grappe K-Moyens pour découvrir les modèles d'achat et les données démographiques du marketing ciblé
- Construit un système génératif AI Text-to-SQL en utilisant LangChain et LlamaIndex, permettant la requête en langage naturel des bases de données pour les utilisateurs non techniques
- Mise à disposition d'un programme de formation sur les données scientifiques pour Dashen Bank en Ethiopie, enseignant 8 professionnels de l'apprentissage automatique et de l'analyse statistique par le biais de projets pratiques
- Contribué à l’initiative de recherche SafeRoute-6G, développant des modèles pour la consommation de carburant, la détection des arrêts de repos et l’analyse du point d'accès au point d'accès à la circulation
PostgreSQLPythonSQLData Science
TensorFlowData Scientist
- Élaboration de modèles prédictifs pour le remboursement anticipé et le risque de remboursement anticipé dans les comptes de dépôt et de prêt en utilisant des techniques d'analyse de survie (risques proportionnels Cox, Kaplan–Meier) et l'apprentissage automatique (XGBSE)
- Calcul des ratios de dépôt principaux pour évaluer la rétention des clients et la stabilité des dépôts, en soutenant la planification financière à long terme et l'évaluation des risques
- Conception et mise en œuvre d'un système d'optimisation des quarts de travail basé sur les prévisions de ventes par allée de magasin, améliorant l'efficacité de la dotation et les performances opérationnelles
PythonSQL
Azure ML
Vertex AIJunior Data Scientist
- Conduit la migration de SAS vers SQL pour l'analyse des risques de crédit, assurant une transition transparente des pipelines de données, les flux de travail d'analyse et les rapports tout en préservant la fidélité de sortie
- Optimisation du traitement de données à grande échelle en SQL et mise en œuvre de workflows planifiés conformes aux normes de risque de crédit IFRS 9
- Conception d'un modèle de prévision de séries temporelles configurable en utilisant PySpark sur Microsoft Azure, permettant des prévisions flexibles de la demande des clients dans toutes les industries
- Fournir une solution de prévision évolutive sur le Marché Azure
- Conçu un gros pipeline de données en temps réel de bout en bout en utilisant l'écosystème Cloudera, intégrant Python, HDFS, Ruche, Impala, Druid et Superset pour une ingestion transparente, le traitement et la visualisation des données de streaming
PythonSQL
SAS
Hadoop
Apache Superset
PySparkSoftware Engineer
- Données collectées et étiquetées pour la formation de modèles dans un pipeline de traitement d'images destiné à la détection de plaques d'immatriculation en temps réel
- Réalisation d'un grattage web pour rassembler un ensemble de données complet d'images de plaque d'immatriculation, suivi d'un étiquetage manuel des lettres individuelles et des chiffres
- Développé un système de détection de plaques d’immatriculation en temps réel à l’aide de YOLOv3, qui tire parti de l’architecture Darknet-53 CNN avec 53 couches convolutionnelles pour la détection d’objets de haute précision
- Données de formation prétraitées et conservées pour assurer une performance et une généralisation optimales du modèle de détection
PythonData Science
OpenCV
Pandas
LinuxExcellence en ingénierie
Tous les Data Scientists 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 Scientists évalués sont répartis sur cette plage, où se situe notre seuil d'acceptation pour ce paramètre, et où se situe Ufuk.
Score 179 · Top 15% of engineers
Certificats 2
Issued Jan 2024 - Expires Jan 2025
Credential ID B94692A4FE34A7EC
PythonData ScienceAzure ML
Machine Learning
Issued Feb 2022
Issued Jan 2024 - Expires Jan 2025
Credential ID B94692A4FE34A7EC
PythonData ScienceAzure MLMachine LearningÉducation
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%