数据科学家和机器学习工程师 — 预测、分类、推荐

我是一名数据分析师和机器学习工程师，我的工作是将分散的原始数据转化为您可以依赖的解决方案。大多数项目都是以相同的方式开始的：客户带来一堆表格、数据库导出或事件日志，没人真正查看过，并提出一个看似简单的问题——接下来会发生什么，或者这些对象中哪些属于同一组。我的工作是搭建那座桥。我使用pandas和NumPy清理和组织数据，弄清楚数据的来源和位置，然后才构建一个值得在生产中使用的模型。

多年来，我推出了需求和收入预测、流失和欺诈分类器，以及在用户甚至没有察觉后台运行的数学的情况下悄然提升参与度的推荐系统。我为工作选择工具，而不是为了漂亮的幻灯片：scikit-learn用于可靠的经典基线模型，梯度提升在数据需要时使用，只有在真正有回报时才使用更深的架构。我关心诚实的评估——适当的交叉验证、检查泄漏和反映业务真实错误成本的指标，因为在笔记本中闪耀而在实践中无用的模型对任何人都没有帮助。

客户最看重的——我不躲在行话后面。每个项目的结束都有一些即使是非技术人员也能阅读的内容：一份清晰的报告、一组图表，以及用简单语言解释模型能做什么和不能做什么。无论您需要一次性预测、可重用的管道，还是对现有模型的第二意见，我都会仔细处理您的数据，并返回您可以信任的结果。

— 在Python、pandas和NumPy中进行数据清理和特征工程
— 时间序列预测：需求、收入、库存
— 分类模型：流失、欺诈、潜在客户评分、风险评估
— 推荐系统和个性化
— 使用scikit-learn和梯度提升进行模型训练、调优和诚实评估
— 为非技术客户提供清晰的报告、仪表板和可视化