Fernando G.

Clearco is a revenue-based financing platform that provides non-dilutive capital to thousands of e-commerce and SaaS businesses, using data-driven underwriting models.

• Built an LLM-based document extraction pipeline (Ollama, Phi-4, Docling, Vertex AI), reducing client document processing from days of manual review to minutes of automated extraction

• Migrated revenue forecasting for thousands of businesses from daily to weekly cadence, cutting compute time by 14% while preserving forecasting accuracy

• Implemented an uncertainty quantification framework using conformal prediction, replacing point-in-time forecasts with calibrated uncertainty bands to flag worst-performing forecasts

• Drove the analytical decision on launching a new banking-data-based financing product, providing the modelling that compared it against the existing revenue-based offering

• Diagnosed and eliminated a recurring timeout issue in the production forecasting system, removing a long-standing source of failed runs

• Designed an end-to-end automated ETL pipeline (Snowflake, Airflow, Cloud Composer) to generate datasets for forecasting research at scale

• Built a Streamlit-based annotation and metrics suite to evaluate LLM extraction quality across iterations

Zixen Trading is a high-frequency crypto trading venture co-founded with former Transfero colleagues to develop systematic trading strategies on digital assets.

• Co-founded the company and shaped its initial technical direction in systematic crypto trading

• Built the PnL tracking infrastructure that connected to multiple crypto exchange accounts and ingested live market data

• Developed the data layer used by trading strategies for backtesting and live execution

• Owned the full ML and data engineering stack as a founding technical lead during the build phase

• Ontwerp en ontwikkeling van de ETL-pipeline met data om enorme financiële datasets te berekenen, waardoor de rekentijd werd teruggebracht van enkele dagen tot uren (PySpark - Databricks - Azure);
• Creatie van een codemethodologie om de ontwikkelingen van nieuwe projecten voor machinaal leren te kaderen, op basis waarvan twee projecten werden gestructureerd;
• Ontwikkeling van modellen voor machinaal leren gericht op het voorspellen van het Bitcoin-handelsvolume (XGBoost, 65% nauwkeurigheid) en cryptovolatiliteit (Temporal Fusion Transformer, 95% nauwkeurigheid);
• Ontwikkeling van een MLOps-pipeline om modellen in productie te nemen: berekening van honderden kenmerken, streaming van inferenties in realtime met behulp van de FastAPI Websocket-server, monitoring van het model met behulp van de SQL-databank en Slack API (Docker op ECS, AWS FeatureStore, FastAPI, SQL, Slack), met een uptime van meer dan 99%;
• Creatie van een numerieke index om tijdreeksgegevens te beoordelen en tradingstrategieën op te stellen (statistische correlaties, co-integratie, ACE-score, tijdreeksanalyse).

Statistische churn-analyses voor een belangrijke Braziliaanse B2C-app voor videostreaming.

• Ontwikkeling van algoritmen voor GPS-filtering, correctie en prestatieanalyse voor amateur- en profvoetballers;
• Verantwoordelijkheid voor de kwaliteit van dataproducten en het beheer van taken zoals backlog, OKR en metrics;
• Integratie van Python-algoritmen met AWS op het Serverless Framework, waaronder Lambda, S3, EC2, DynamoDB en CloudWatch;
• Uitvoering van taken zoals gegevensanalyse, implementatie van Kalman-filters, neurale netwerken, fuzzy filters, wetenschappelijke algoritmen, een engine voor statistische inzichten, basale computervisie en gezichtsherkenningsalgoritmen;
• Toepassing van Python voor de creatie van krachtige gegevensvisualiseringen;
• Onderhoud van de Python-infrastructuur voor de automatische aflevering van honderden berichten per dag.

• 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