Samuel P.
Data Scientist
Bland hans viktigaste prestationer kan nämnas att Samuel utformade och implementerade ett automatiserat dataarbetsflöde med hjälp av Snowflake, Python och Power BI, vilket minskade den manuella bearbetningen med 90%, förbättrade datakvaliteten med 20% och stödde över 10 framgångsrika produktlanseringar inom två år. Denna innovation förbättrade avsevärt datatillgängligheten och beslutsfattandet inom hela företaget.
Samuel är erkänd för sin förmåga att översätta komplexa data till tydliga och effektiva insikter. Han främjar ett starkt tvärfunktionellt samarbete och driver konsekvent datadriven omvandling inom olika affärsfunktioner.
Huvudsaklig expertis
SQL8 år
Pandas8 år
R (programming language)6 år
Data Science6 årErfarenhet4
Data Scientist
- Optimerade en produktionsanpassad beteendeklassificeringsmodell för över 2 miljoner enheter, identifierade och flaggade avvikelser hos högriskanvändare som gav mätbara ekonomiska effekter.
- Utvecklade granskningsbara ETL/ELT-datapipelines med hjälp av Snowflake, Python och dbt, vilket ledde till en 92-procentig minskning av den manuella datahanteringen samtidigt som datakvalitet och efterlevnad av regelverk säkerställdes.
- Samarbetade med produkt-, försäljnings- och marknadsföringsteam för att utforma och implementera instrumentpaneler som övervakade och utvärderade produktlanseringens resultat.
Qlik Sense
PythonSQL
Oracle
Microsoft Power BI
Data Engineer
- Designat och utvecklat end-to-end data pipelines i Azure och Databricks, integrerat tvärfunktionella dataset i stor skala och minskat analystiden med 40%.
- Utformade och optimerade datamodeller för rapportering på företagsnivå, vilket säkerställde robust datastyrning och standardiserade KPI:er över flera geografiska områden.
- Förbättrad enhetlighet i rapporteringen mellan länderna, vilket minskade datadiskrepanserna med 25% och stärkte rapporteringens tillförlitlighet.
MongoDB
DatabricksPythonSQL
Azure
Data Scientist
- Avsevärt förbättrade protokoll för datavalidering, vilket säkerställer datasetintegritet för kritiska beslutsstödsystem i linje med etiska och ansvarsfulla AI-standarder.
- Tränade och validerade prediktiva AI/ML-modeller på komplexa biomedicinska dataset, vilket förbättrade den diagnostiska träffsäkerheten med 5%.
- Anpassade analytiska arbetsflöden för att vara skalbara och molnbaserade inom Python- och R-ramverken, vilket minskade beräkningstiden med 53%.
MongoDB
AWSPythonSQL
BashPhD Statistician
- Utvecklade ramverk för statistik och maskininlärning för högdimensionella genom- och miljödata, vilket resulterade i fem fackgranskade publikationer.
- Optimerade regressions-, Bayesian- och maskininlärningsmodeller för biologiska dataset, vilket förbättrade prediktionsnoggrannheten med 12%.
PythonSQLBashData Science
NumPyIngenjörsexcellens
Alla Data Scientister 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 Scientister är fördelade över det intervallet, var vår accepteringsgräns för denna parameter ligger och var Samuel befinner sig.
Score 185 · Top 12% of engineers
Certifikat 3
Issued Mar 2025
PythonSQL
Data Analytics
Snowflake
Issued Mar 2023
Data Analytics
Data Modeling
Tableau
Issued Mar 2025
PythonSQLData AnalyticsSnowflakePortfölj
Markerad av Samuel
2A repository for exploring and analyzing data related to Belgian breweries and their beers. Ideal for practicing go-to-market strategies.
Andra projekt 2
Utbildning
Sluta bläddra.
Få matchad snabbare.
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