Dátový analytik v spoločnosti Amazon

• Poskytoval cennú technickú podporu kolegom a kľúčovým klientom, priznával riešenie ad hoc požiadaviek a zároveň poskytoval efektívne školenia novým stážistom.
• Využíval poznatky o údajoch na implementáciu editovateľných šablón, fragmentov obsahu a fragmentov skúseností na personalizované poskytovanie obsahu, čím zvýšil zapojenie používateľov o 15 %.
• Využíval jazyk SQL na hĺbkovú analýzu údajov používateľov, pričom účinne zisťoval a zabraňoval spamovým zásahom z odoslaných formulárov, čo viedlo k výraznému zníženiu počtu prípadov spamu o 40 %.
• Spravoval úlohy správy AEM vrátane používateľských oprávnení, autorizácie, DAM, správy viacerých lokalít, dispečingu a spracovania pracovných postupov. Viedol úspešnú migráciu do cloudu AWS, čím dosiahol 40 % zlepšenie škálovateľnosti a 30 % zvýšenie výkonu systému.
• Úzko spolupracoval s multifunkčnými tímami pri identifikácii a riešení problémov s komponentmi a kvalitou údajov, čím zabezpečil integritu a konzistenciu údajov v celej organizácii.
• Využíval Tableau na analýzu údajov, vytváral základné metriky a KPI na sledovanie pokroku v rôznych požiadavkách a dosiahol výrazné 15 % zlepšenie produktivity tímu.

• Vykonávanie prediktívnej analýzy a navrhovanie správ o údajoch študentov univerzity pomocou PowerBI.
• Práca zahŕňa analýzu údajov, web scraping pomocou jazyka Python, správu dátového skladu a modelovanie údajov.

• Vylepšená správa aktív pomocou senzorov internetu vecí a analýzy údajov, zníženie nákladov na údržbu o 20 % a zvýšenie prevádzkyschopnosti aktív o 15 %.
• Zohrával kľúčovú úlohu v životnom cykle vývoja softvéru pre funkciu sledovania vlakov, pričom sa riadil agilnou metodikou a využíval Git, Jira, ServiceNow, Confluence a Jenkins.
• Zvýšil spokojnosť používateľov integráciou spätnej väzby od zákazníkov, čo viedlo k výraznému nárastu pozitívnych hodnotení zákazníkov o 20 %.

Kurzová práca: Algoritmy, počítačová architektúra, cloud computing (AWS), umelá inteligencia, dolovanie dát, ML a DBMS

• Vyvinuté algoritmy iteratívneho prehlbovania a heuristického vyhľadávania pre učebné úlohy robotického varenia, ktoré priniesli 20 % zvýšenie účinnosti vyhľadávania úloh.
• Publikoval článok o výskumnom projekte o robotickom učení, ktorý je k dispozícii na arXiv (https://arxiv.org/abs/2211.01745), čím prispel k poznaniu a pokroku v tejto oblasti.

• Dosiahol 30 % skrátenie času na dokončenie úlohy v priebehu 1000 tréningových epizód pomocou agenta Q-learning s aktualizáciami Bellmanovej rovnice, implementovaného pomocou knižníc NumPy a TensorFlow v jazyku Python.
• Overil výkon agenta v programe CoppeliaSim s odchýlkou len 5 % od cieľa, pričom na simuláciu, analýzu a vizualizáciu využil knižnice Python, ako sú PyRep, SciPy a Matplotlib.

• Vyvinutý model CNN založený na technológii TensorFlow, ktorý dosiahol 88 % presnosť pri klasifikácii obrázkov a skrátil čas trénovania o 15 % s optimalizovaným dávkovým spracovaním pomocou súboru údajov Kaggle.
• Využil predtrénovanú sieť LeNet-5 a dosiahol rozpoznávanie obrázkov s presnosťou (92 %), odvolávaním (91 %) a skóre F1 (93 %) hodnoteným pomocou matice zámeny.

• Využitie programu Tableau na analýzu a vizualizáciu údajov s cieľom odhaliť vzory a trendy v oblasti násilia páchaného strelnými zbraňami na školách.
• Zhromaždil a analyzoval údaje z dôveryhodných zdrojov vrátane denníka Washington Post a archívu o násilí páchanom strelnými zbraňami.
• Preskúmal kľúčové faktory, ako sú miesto, obete, demografické údaje o páchateľoch, typy zbraní a metódy streľby. Cieľom bolo zistiť kľúčové rizikové faktory, informovať o stratégiách prevencie a pochopiť zákonitosti v jednotlivých regiónoch a demografických skupinách.

• Vykonal predspracovanie údajov, prieskum a štatistickú analýzu na súbore údajov Kaggle obsahujúcom 300 záznamov pacientov.
• Využil klasifikačné algoritmy KNN, rozhodovací strom, náhodný les a Naive Bayes na predpovedanie pravdepodobnosti výskytu srdcového zlyhania.
• Identifikoval optimálny model prostredníctvom prísneho hodnotenia presnosti, správnosti, odvolania a F-merania na nezistenom testovacom súbore údajov.