सेवा के बारे में
अनुवादितमैं एक डेटा विश्लेषक और मशीन लर्निंग इंजीनियर हूँ, और मेरा काम बिखरे हुए कच्चे डेटा को ऐसे समाधानों में बदलना है जिन पर आप वास्तव में भरोसा कर सकते हैं। अधिकांश परियोजनाएँ एक ही तरीके से शुरू होती हैं: एक ग्राहक तालिकाओं, डेटाबेस निर्यात या इवेंट लॉग का एक पहाड़ लाता है जिसे किसी ने वास्तव में नहीं देखा है, और एक धोखाधड़ी सरल प्रश्न पूछता है — अगला क्या होता है या इनमें से कौन से वस्तुएं एक समूह में आती हैं। मेरा काम उस पुल का निर्माण करना है। मैं पांडा और NumPy का उपयोग करके डेटा को साफ और व्यवस्थित करता हूँ, यह पता लगाता हूँ कि यह कहाँ से आया और कहाँ है, और तभी एक ऐसा मॉडल बनाता हूँ जो उत्पादन में अपनी जगह के लायक हो।
वर्षों में मैंने मांग और राजस्व पूर्वानुमान, चर्न और धोखाधड़ी वर्गीकरणकर्ता, और सिफारिश प्रणाली लॉन्च की हैं जो चुपचाप जुड़ाव को बढ़ाती हैं जबकि उपयोगकर्ता को यह भी नहीं पता होता कि इसके पीछे गणित चल रहा है। मैं काम के लिए उपकरण चुनता हूँ, न कि सुंदर स्लाइड के लिए: विश्वसनीय क्लासिकल बेसलाइन मॉडल के लिए scikit-learn, जहाँ डेटा इसकी मांग करता है वहाँ ग्रेडिएंट बूस्टिंग, और गहरे आर्किटेक्चर केवल तब जब वे वास्तव में लाभदायक हों। मैं ईमानदार मूल्यांकन की परवाह करता हूँ — उचित क्रॉस-मान्यता, लीक की जांच और मीट्रिक जो व्यवसाय के लिए त्रुटि की वास्तविक लागत को दर्शाते हैं, क्योंकि एक मॉडल जो नोटबुक में चमकता है और प्रैक्टिस में बेकार है, किसी के लिए भी मददगार नहीं है।
ग्राहकों के लिए सबसे मूल्यवान — मैं जार्गन के पीछे नहीं छिपता। हर परियोजना कुछ ऐसा समाप्त होती है जिसे एक गैर-तकनीकी व्यक्ति भी पढ़ सकता है: एक स्पष्ट रिपोर्ट, चार्ट का एक सेट और यह समझाने वाला कि मॉडल क्या कर सकता है और क्या नहीं। चाहे आपको एक बार का पूर्वानुमान चाहिए, एक पुन: प्रयोज्य पाइपलाइन या एक मौजूदा मॉडल पर दूसरी राय, मैं आपके डेटा को सावधानीपूर्वक संभालूंगा और एक ऐसा परिणाम लौटाऊंगा जिस पर आप भरोसा कर सकें।
— पायथन, पांडा और NumPy में डेटा सफाई और फीचर इंजीनियरिंग
— समय श्रृंखला पूर्वानुमान: मांग, राजस्व, इन्वेंटरी
— वर्गीकरण मॉडल: चर्न, धोखाधड़ी, लीड स्कोरिंग, जोखिम मूल्यांकन
— सिफारिश प्रणाली और व्यक्तिगतकरण
— मॉडल प्रशिक्षण, ट्यूनिंग और scikit-learn और ग्रेडिएंट बूस्टिंग के साथ ईमानदार मूल्यांकन
— गैर-तकनीकी ग्राहकों के लिए स्पष्ट रिपोर्ट, डैशबोर्ड और विज़ुअलाइज़ेशन
वर्षों में मैंने मांग और राजस्व पूर्वानुमान, चर्न और धोखाधड़ी वर्गीकरणकर्ता, और सिफारिश प्रणाली लॉन्च की हैं जो चुपचाप जुड़ाव को बढ़ाती हैं जबकि उपयोगकर्ता को यह भी नहीं पता होता कि इसके पीछे गणित चल रहा है। मैं काम के लिए उपकरण चुनता हूँ, न कि सुंदर स्लाइड के लिए: विश्वसनीय क्लासिकल बेसलाइन मॉडल के लिए scikit-learn, जहाँ डेटा इसकी मांग करता है वहाँ ग्रेडिएंट बूस्टिंग, और गहरे आर्किटेक्चर केवल तब जब वे वास्तव में लाभदायक हों। मैं ईमानदार मूल्यांकन की परवाह करता हूँ — उचित क्रॉस-मान्यता, लीक की जांच और मीट्रिक जो व्यवसाय के लिए त्रुटि की वास्तविक लागत को दर्शाते हैं, क्योंकि एक मॉडल जो नोटबुक में चमकता है और प्रैक्टिस में बेकार है, किसी के लिए भी मददगार नहीं है।
ग्राहकों के लिए सबसे मूल्यवान — मैं जार्गन के पीछे नहीं छिपता। हर परियोजना कुछ ऐसा समाप्त होती है जिसे एक गैर-तकनीकी व्यक्ति भी पढ़ सकता है: एक स्पष्ट रिपोर्ट, चार्ट का एक सेट और यह समझाने वाला कि मॉडल क्या कर सकता है और क्या नहीं। चाहे आपको एक बार का पूर्वानुमान चाहिए, एक पुन: प्रयोज्य पाइपलाइन या एक मौजूदा मॉडल पर दूसरी राय, मैं आपके डेटा को सावधानीपूर्वक संभालूंगा और एक ऐसा परिणाम लौटाऊंगा जिस पर आप भरोसा कर सकें।
— पायथन, पांडा और NumPy में डेटा सफाई और फीचर इंजीनियरिंग
— समय श्रृंखला पूर्वानुमान: मांग, राजस्व, इन्वेंटरी
— वर्गीकरण मॉडल: चर्न, धोखाधड़ी, लीड स्कोरिंग, जोखिम मूल्यांकन
— सिफारिश प्रणाली और व्यक्तिगतकरण
— मॉडल प्रशिक्षण, ट्यूनिंग और scikit-learn और ग्रेडिएंट बूस्टिंग के साथ ईमानदार मूल्यांकन
— गैर-तकनीकी ग्राहकों के लिए स्पष्ट रिपोर्ट, डैशबोर्ड और विज़ुअलाइज़ेशन
