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

• 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.

• 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