A. Rosa Castillo，博士，西班牙Málaga的开发人员
A. is 可用 for hire
Hire A.

A. 罗莎·卡斯蒂略博士

验证专家  in 工程

数据科学家和开发人员

Location
西班牙马拉加
至今成员总数
2022年9月29日

Rosa是一名拥有博士学位的全栈开发人员和数据科学家, 扎实的研究技能, 以及丰富的软件工程Experience. 结合学术界和工业界的数据科学方法, 她可以为整个数据管道做出贡献——从探索性数据分析到原型和生产. 罗莎还有效地利用她的专业英语在不同国家的项目中工作, Italian, German, 和西班牙语熟练程度.

软件开发软件编程算法机器学习数据分析数据分析数据建模人工智能(AI)数据可视化工程数据数据报告推荐系统JavaUMLCryptocurrency

Portfolio

Fortris
Python, Docker, SQL，数据科学，财务，税务会计，算法...
新加坡国立大学-美因分校
Python, R, nbdev，版本控制，Git，数据科学，API设计...
车间
R, Python, Spark, Docker, Apache卡夫卡，数据科学，算法...

Experience

软件开发- 13年需求分析- 8年研究- 7年数据科学- 5年数据分析- 5年Python - 5年机器学习- 5年Docker - 3年

Availability

兼职

首选的环境

PyCharm, Slack, Jupyter笔记本, Docker, Python, 机器学习, 数据科学, Spark, Apache卡夫卡

最神奇的...

...我开发的解决方案是一个向玩家推荐游戏的推荐系统, 是什么让尝试新游戏的玩家数量增加了7%.

工作Experience

数据科学家

2022年至今
Fortris
  • 收集区块链数据并对其执行会计算法, 扩展了我对区块链技术的了解.
  • 探讨财务术语和如何为利益相关者建立有意义的报告.
  • 开始使用Neo4j实现图形分析，并比单纯应用关系数据库模型更有效地表示数据.
技术:Python, Docker, SQL，数据科学，财务，税务会计，算法, 报告, 数据分析, Neo4j, 区块链, 工程数据, 数据报告, 数据分析, 数据建模, 数学, 数学分析, 产品分析, 数据管道, ETL, 预测建模, 风险分析, Flask, 人工智能(AI), Kubernetes, 流处理, Git, 数据可视化, PyCharm, Pandas, APIs, 业务分析

Python和R库/包开发人员

2023 - 2024
新加坡国立大学-美因分校
  • 帮助研究团队——致力于构建一个高质量的分析包——结合一些关于软件架构的最佳实践, 编码指南, 和测试.
  • 对Python包文档中引入的改进做出了贡献, 使代码更加健壮, 可靠的, scalable, 更容易维护.
  • 指导小团队接下来的步骤，以及如何遵循最佳的编码指南，作为参与的一部分.
技术:Python, R, nbdev，版本控制，Git，数据科学，API设计, API架构, Jupyter笔记本

数据科学家

2019 - 2021
车间
  • 构建了更高效的SQL查询来处理大量数据，并在Tableau中创建了我的第一个报告.
  • 使用Kafka流创建数据管道，并学习使用Docker进行有效的测试.
  • 在我的第一个项目中，用Spark计算欺诈检测指标.
技术:R, Python, Spark, Docker, Apache卡夫卡，数据科学，算法, 机器学习, 推荐系统, 预测, 欺诈防范, Tableau, Jupyter笔记本, SQL, Elasticsearch, 统计建模, 工程数据, 数据报告, 数据分析, 数据建模, 数学, 数学分析, 产品分析, 数据管道, ETL, 预测建模, 风险分析, Flask, 人工智能(AI), Kubernetes, 流处理, MySQL, Git, 数据可视化, PyCharm, Pandas, APIs, 业务分析, 时间序列

人工智能工程师

2018 - 2019
埃森哲咨询公司
  • 根据不同公司的票务数据进行深入的客户服务分析.
  • 开发不同的NLP技术，作为提供给客户的数据产品的一部分.
  • 通过与客户共享可视化图形，改进了报告实践.
技术:R, Python, SQL, 业务需求, 数据科学, 报告, Excel 2010, 数据报告, 数据分析, 数据建模, 数学, 数学分析, 产品分析, ETL, Flask, 人工智能(AI), MySQL, 亚马逊网络服务(AWS), 数据可视化, Pandas, APIs, 业务分析

R&D工程师

2014 - 2018
哈格街股份有限公司
  • 在寻找新的项目经理期间，管理一个两个人的团队三个月. 我还为一个项目写过风险分析, 进行计算机估计, 处理员工绩效评估.
  • 认真处理需求工程, 考虑医疗保健部门的法规和跟踪需求. 获得国际需求工程委员会的软件需求工程认证.
  • 参与一个重构项目，该项目涉及一个具有挑战性的新系统的软件设计和体系结构. 我学到了很多关于软件模式和算法优化的知识.
Java技术:, 编程, UML, 分析, QA测试, C++, 软件, SQL, 数学, 数学分析, Git

软件工程师

2011 - 2014
附件信息系统
  • 负责系统架构, analysis, 使用UML进行软件组件的设计, 企业架构师, 以及其他软件工程工具.
  • 在基于linux的设备中嵌入代码，用于火车上管理火车公告.
  • 用c++编写代码，处理实验室和运行列车的测试.
技术:c++、软件、UML、编程、实时、Linux、嵌入式c++

帐户接管检测模型

客户希望通过一些机器学习模型触发的更具创新性和动态性的服务来改进当前基于规则的检测系统.

我设计并开发了一个POC，使用可用的web数据来构建一个检测模型，将web活动分类为不同的风险评分.

玩家预测模型

客户希望事先知道平台上玩家数量的合理估计. 多亏了这个模型的预测, 系统和团队可以在平台上容纳资源和支持，预测高需求并防止潜在问题.

我设计并开发了一个SARIMA模型，该模型在COVID-19期间和之后都能实现高精度的体积预测.

游戏推荐系统

旧的推荐系统是静态的，不是定制的, 因此，我提出并实现了一个基于协同过滤算法的动态推荐系统. 在POC被批准之后, 该模型被转移到生产中，并增加了每个玩家的游戏数量.

票证相似度应用

提高客户服务效率和绩效, 我们创建了一个应用程序，允许客户输入一个新的票证文本，并找到类似的过去的票证和相应的解决方案. 该应用程序基于NLP技术和相似性度量来处理过去的数据并计算相似性. 客户端显著减少了许多重复票据的响应时间.

VIP客户分类

http://github.com/cyberosa/classifier_with_unbalanced_ds
目标是建立一个预测模型来寻找VIP客户. 我尝试了一个简单的随机森林分类器和一个将聚类阶段与几个分类器相结合的集成方法. 然后，我比较了两种模型的性能. 数据集严重不平衡, 所以我使用了不同的最先进的技术来弥补这种效果. 最后，我构建了一个Flask API来包装获胜的模型.

语言

Python, Java, UML, R, SQL, c++，嵌入式c++

库/ api

Pandas, TensorFlow, OpenMP

Tools

PyCharm, Slack, Git, Jira, Kafka Streams, Tableau, Confluence, Excel 2010

范例

数据科学，并行编程，需求分析，ETL, API架构

Storage

数据管道，MySQL, Elasticsearch, Neo4j

Other

机器学习, 软件开发, 算法, 软件, 技术要求, 研究, 数据分析, 编程, 分析, 推荐系统, 预测, 欺诈防范, 工程数据, 数据报告, 数据分析, 数据建模, 数学, 产品分析, 人工智能(AI), 数据可视化, APIs, 深度学习, 用户需求, 系统需求, 功能需求, 统计数据, 数据产品, 回归, Hyperparameters, 自然语言处理(NLP), QA测试, 脚本, 聚类, 统计分析, 统计建模, 生成对抗网络(GANs), 数学分析, 预测建模, 风险分析, GPT, 生成预训练变压器(GPT), 流处理, 业务分析, 时间序列, HPCC系统, 编译器, 业务需求, 卷积神经网络(CNN), 深度神经网络, 图像处理, 报告, 逻辑回归, 贝叶斯统计, 计算机视觉, Finance, 税务会计, 定向丙烯酸图(DAG), Dagster, Cryptocurrency, nbdev, 版本控制, API设计

框架

Spark, Realtime, Flask

平台

Jupyter笔记本, Docker, Apache卡夫卡, Linux, 区块链, Kubernetes, 亚马逊网络服务(AWS)

2005 - 2010

计算机科学博士

马拉加大学-西班牙马拉加

2022年7月至今

机器学习专业化

Coursera

2020年5月至今

深度学习专业化

Coursera

2017年12月至今

数据科学专业

Coursera

2016年6月至今

需求工程认证专家

国际需求工程委员会

有效的合作

如何使用Toptal

在数小时内，而不是数周或数月，我们的网络将为您直接匹配全球行业专家.

1

分享你的需求

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.
2

选择你的才能

在24小时内获得专业匹配人才的简短列表，以进行审查，面试和选择.
3

开始你的无风险人才试验

与你选择的人才一起工作，试用最多两周. 只有当你决定雇佣他们时才付钱.

对顶尖人才的需求很大.

开始招聘