Data Scientist

• Designade och utvecklade pipelinen för ETL-data för att beräkna massiva finansiella datauppsättningar och minska beräkningstiden från flera dagar till enbart ett par timmar (PySpark – Databricks – Azure).
• Skapade en ”methodology on code” för att vägleda utvecklingen av nya maskininlärningsprojekt, varifrån två projekt strukturerades.
• Utvecklade maskininlärningsmodeller som användes till att förutsäga handelsvolymen för Bitcoin (XGBoost, 65 % exakthet) och Crypto Volatility (Temporal Fusion Transformer, 95 % exakthet).
• Utvecklade en MLOps-pipeline för att ta modeller till produktion. Beräkning av hundratals funktioner, streamad slutsatsdragning i realtid med hjälp av en FastAPI Websocket-server, modellövervakning med en SQL-databas och Slack-API (Docker on ECS, AWS FeatureStore, FastAPI, SQL, Slack), med en drifttid på mer än 99 procent.
• Skapade ett numeriskt index för att bedöma tidsseriedata och bygga handelsstrategier (statistiska korrelationer, samintegrering, ACE-poäng, analys av tidsseriedata).

Gjorde statistisk analys av kundbortfall för en stor brasiliansk B2C videostreaming-app.

• Utvecklade algoritmer för GPS-filtrering, korrigering och prestandaanalys av amatörfotbollsspelare och elitfotbollsspelare.
• Tog ledningen för att kvalitetssäkra dataprodukter och hantera uppgifter såsom backlog, OKR och statistik.
• Integrerade Python-algoritmer med AWS på Serverless Framework, däribland Lambda, S3, EC2, DynamoDB och CloudWatch.
• Utförde uppgifter såsom dataanalys, implementering av kalmanfilter, neurala nätverk, fuzzy-filter, vetenskapliga algoritmer, insights engines, grundläggande visuellt innehåll och algoritmer för ansiktsigenkänning.
• Använde Python för att skapa effektiva datavisualiseringar.
• Underhöll Python-infrastrukturen för automatisk leverans av hundratals dagliga rapporter.