Felipe A.

– Arbetade på Rylee, en e-handelsplattform som gav kunderna produktinsikter och marknadsanalys för att förbättra strategier på Bol.com och Amazon. – Fick Databricks-certifiering inom Generativ AI, och visade expertis inom RAG- och Agentmodeller. – Utvecklade en storskalig försäljningsprognosmodell med hjälp av Rylees interna data och slutna data från Bol.com för att förutsäga produktförsäljning och identifiera storsäljare. – Byggde ett API med Flask och AWS Lambda för att hantera produktfrågor, och levererade insikter och försäljningsprognoser. – Designade och implementerade ETL-pipelines med hjälp av dbt, Airflow och Spark för att automatisera funktionering, inklusive en asynkron lösning för effektiv datainhämtning från Bol.com API, som respekterar hastighetsgränser och parallelliserar i stor skala; automatiserade även datainsamlingen mellan flera säljare. – Tillämpade PyTorch och Spark för att optimera högpresterande maskininlärningsmodeller.

– Arbetade på Homemove, en omfattande plattform som erbjuder flyttrelaterade tjänster, inklusive undersökningar, flytt och bolån, integrerade i en enda app. – Utvecklade ett LLM-drivet förhandlingsverktyg som tillät användare att få offerter och förhandla priser via en AI-chattbot, automatiskt tillade kunder i CRM och varnade försäljningsteamet vid lyckad förhandling, med hjälp av OpenAI Assistant och GPT-modeller. – Ledde ett skalbart datatransformationsinitiativ, utnyttjade Snowflake för molndataberedning och Sigma för BI och visualisering. – Designade och implementerade ETL-pipelines från grunden med hjälp av Snowflake, Python, SQL, dbt och Airflow för att automatisera dataingång och transformation. – Byggde en prediktiv modelleringslösning för att minska marknadsföringskostnader och förbättra inriktning genom att identifiera potentiella husflyttare. – Tillämpade PyTorch och Snowpark för avancerad maskininlärning för att optimera högpresterande modeller. – Levererade en prediktiv modell som var planerad för användning i att attrahera investeringar under Homemoves Series A-finansiering.

– Arbetade som specialist inom datavetenskap på FourthRev, skapade och undervisade en avancerad online datavetenskapskurs för studenter vid Cambridge University. – Utvecklade och levererade en omfattande läroplan som täcker neurala nätverk, NLP för AI, osuperviserat lärande och avancerade beslutsträd-algoritmer inklusive XGBoost. – Tillämpade praktisk implementation av maskininlärning från grunden och använde innovativa undervisningsmetoder för att förbättra studentengagemang och lärande resultat. – Visade djup teknisk expertis inom datavetenskap och maskininlärning och fick erkännande från akademiska kollegor för effektiv undervisning och kursdesign.

– Arbetade på Outra, ett datadrivet företag för fastighetsinsikter, specialiserat på att leverera hushållsnivådata för att optimera kundtjänster. – Migrerade plattformen från Dataiku till en anpassad in-house Intelligence Fabric med hjälp av MLflow, Airflow, Snowflake, GitHub Actions, AWS och DBT för dataengineering. – Utvecklade två stora prediktiva modeller som förutspådde hushållslistningar och försäljnings-/uthyrningstidslinjer, vilket möjliggjorde ett mångmiljonpundpartnerskap med Zoopla. – Tillämpade LLM:er för koddokumentation, kodningshjälp och interaktiva chattbotar för instrumentpaneler och kundvända data. – Byggde ETL/ELT-pipelines för att transformera rådata och förbereda dem för modellering. – Skapade visualiseringar och kartor med hjälp av KeplerGI, Seaborn och Dataiku för att hjälpa icke-tekniska användare tolka komplex data.

– Arbetade på Belmont Green, ett specialiserat bolåneföretag som har blivit bank, som erbjuder ekonomiska och bolånelösningar till ekonomiskt påverkade kunder. – Skapade en konversionsmodell med hjälp av överlevnadsanalystekniker och hanterade projektet från inledande planering till produktion. – Byggde maskininlärningsalgoritmer och statistiska modeller för tidsseriedata, med fokus på behållning, livstidsvärde och förväntade förlustmodeller. – Ägde projekt från början till slut och säkerställde att proof-of-concepts implementerades och lanserades framgångsrikt i produktion. – Implementerade maskininlärningsalgoritmer för kassaflöde, tidig inlösen, standardinställningar, förbetalnings- och konversionsmodeller med hjälp av Python och R. – Tillämpade klustring och segmenteringstekniker för att analysera produktanvändning och kundbeteende för marknadsförings- och strategiska syften.

• Boster.Ai is a company dedicated to create No-code bots for data retrieval, monitoring and automation. Originally, they started as an IT consultancy company, creating personalized solutions to small and mid-size companies to harvest the power of Machine Learning

• Felipe worked performing data exploration, analysis, and building Machine Learning algorithms and statistical models for several start-ups/mid-size companies in the UK and USA.

• He built and diagnostic Neural Networks models for forecasting key performance indicators using Python, TensorFlow, and Keras.

• Worked in e-commerce businesses solving customer behaviour problems such as lifetime value, clustering of customers, etc.

• Performed ethical web scraping using Python with scraPy, RoboBrowser, and BeautifulSoup to obtain data for various analyses.