
Data Engineer
Med kunskaper i SAS Enterprise Guide, SAS Enterprise Miner, SAS Forecast Studio, Python, SQL, PL/SQL, Apache Airflow och OpenShift AI bygger Ayşe effektiva datapipelines och robusta analytiska lösningar som omvandlar komplexa data till användbara insikter.
En av hennes viktigaste prestationer var utvecklingen och införandet av kreditbedömningsmodeller för kommersiella kunder, inklusive det framgångsrika skapandet av PD-scorekort (Probability of Default) som förbättrade riskbedömningen och beslutsfattandet.
Ayşe är erkänd för att kombinera teknisk kompetens med strategisk insikt och för att konsekvent leverera datadrivet värde som stöder affärstillväxt och operativ effektivitet.




Conducted fraud detection analysis and implemented business rules to identify suspicious transactions;
Applied regression, clustering, decision tree, and neural network algorithms for predictive modeling;
Performed social media analytics and text mining to detect anomalies and patterns in unstructured data;
Utilized SAS Enterprise Guide, SAS Enterprise Miner, and SAS SNA for data modeling and network analysis;
Worked with Base SAS, Python, and R for data manipulation and analytical model development;
Performed fraud detection and implementation of business rules;
Applied regression, cluster analysis, decision tree, and neural network algorithms;
Conducted social media analytics and text mining;
Worked with SAS Enterprise Guide, SAS Enterprise Miner, SAS SNA, Base SAS, Python, and R.

Performed data preparation, cleansing, and analysis to support business intelligence and forecasting initiatives;
Developed short-term and long-term demand forecasting models using statistical and machine learning techniques;
Conducted descriptive analysis, time series modeling, cluster analysis, and decision tree analysis to uncover business insights;
Applied neural network algorithms to improve prediction accuracy;
Scheduled automated reporting and analytics jobs;
Utilized SAS Enterprise Guide, SAS Enterprise Miner, and SAS Forecast Studio, along with Base SAS and Python for model development and reporting;
Performed data preparation, data cleansing, and data analysis;
Developed short-term and long-term demand forecasting models;
Applied descriptive analysis, time series analysis, cluster analysis, decision tree analysis, and neural network applications;
Managed scheduling of jobs and reporting;
Worked with SAS Enterprise Guide, SAS Enterprise Miner, SAS Forecast Studio, Base SAS, and Python.
Worked with SAS Enterprise Guide, SAS Enterprise Miner, and SAS Forecast Studio;
Utilized SAS Social Media Analytics, SAS Text Miner, and SAS Visual Analytics.
Alla Data Engineerer som har ansökt till Proxify får ett betyg från 0 till 300 på ingenjörskompetens, en av de fem parametrar vi utvärderar. Detta betyg speglar endast ingenjörskompetens och baseras på intervjuer, hemuppgifter, live-kodningssessioner och/eller prestationer på jobbet. Kurvan visar hur alla utvärderade Data Engineerer är fördelade över det intervallet, var vår accepteringsgräns för denna parameter ligger och var Ayşe befinner sig.

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3

Issued Jan 2019
Credential ID DY6YWRSKCJFQ1NW3


Prata med en expert och få skräddarsydda matchningar från vårt nätverk på bara 2 dagar.
Tillgång till över 6 000+ experter
Hitta en utvecklare i genomsnitt 2 dagar
Anställ snabbt och enkelt med 94% matchningsframgång