SantiagoHernández,机器学习工程师和开发商在布宜诺斯艾利斯,阿根廷
SantiagoHernández.

机器学习工程师和开发商在阿根廷布宜诺斯艾利斯

成员自2018年12月29日以来
Santiago是一台机器学习工程师,热衷于解决大规模数据,优化和工程问题。 他领导了一支数据科学家团队,建立预测全球300多万用户价值的产品,以优化世界领先的公司的广告。 Santiago在开发优雅,高效和精心设计的软件系统时,考虑到这是一个严肃的事业。
圣地亚哥现在 可用的 for hire

文件夹

经验

地点

布宜诺斯艾利斯,阿根廷

可用性

兼职

优选的环境

抨击,Vim文本编辑器,Python,Git,Linux

最神奇的......

...机器学习系统我'在每小时开发超过6000万条消息的流,并实时构建数据集以预测移动应用程序的货币化。

就业

  • 数据科学家

    2019年 - 至今
    Zeemaps(通过Toptal)
    • 分析了公司'S系统 - AS-AS-SERVICE(SAAS)数据,以查找见解和战略业务决策。
    • 建立了仪表板以评估公司'S进化和容易看到分析和援助决策。
    • 分类订阅用户进入获得的和风险的用户 - 使我们能够专注于防止搅动的风险用户,驾驶公司's growth.
    • 提供了对每个用户类别的收入,终身价值,流失率和其他度量的可见性。
    • 标记为高中的用户,中等流失风险,以允许重点支持和客户服务。
    • 分析和优化赞助的搜索活动,以获取新用户。
    • 卸载仪表板系统的设置和部署。
    • 每个计划执行成本分析和每个用户来评估当前的SaaS'■在适当时,通过在高消费者履行优惠来提高收入的定价方法。
    技术:Bootstrap,PostgreSQL,Redis,Plotly,Ipython笔记本,Docker,SaaS,Dash,Python,Data Science
  • 机器学习和优化领导者

    2019年 - 2020年
    Mercadolibre(用笨拙的数据)
    • 定义了优化营销的优化问题 'S团队预算和目标ROA(广告返回)Google购物的目标分配收入。
    • 对公司进行了探索性数据分析's and the marketing'S团队数据为了了解预算,目标和结果之间的关系。
    • 根据预算和目标ROAS目标,制定了一个系统预测和预测谷歌购物活动投资的成本,收入和返回的投资。
    • 设计并开发了一个解决优化问题的系统,并根据预测,预测和业务限制定义如何在Google Shopp上设置数字营销活动。
    • 使用Docker容器和Docker撰写摘要系统的设置和部署。
    • 在一个国家的两个帐户部署了两个帐户,在结果之后,在同一个国家的五个账户上,随后向其他国家推出。
    技术:码头,机器学习,iPython笔记本,优化,编程,先知ERP,熊猫,Sklearn,Scikit-rearn,预测,数据科学,Python
  • 机器学习工程领袖

    2015 - 2019年
    Jampp.
    • 建立机器学习在线估算器处理每小时超过6000万计划的广告消息(拍卖'赢得胜率,第二次价格拍卖'S成本和新用户和In-App事件转换))。
    • 对转化率超过15%的模型进行了优化和功能工程,公司增加了30%'s net revenue.
    • 制定了收入和库存购买优化系统,导致净收入增加了20%以上。
    • 创建了多个Web接口,为机器学习和优化系统提供可视性和可解释性。
    • LED数据科学家定义和开发用户聚类系统,超过2亿用户。
    • 开发了一个系统,该系统使用前面提到的系统来制定各种决定 - 就像竞标的多少,并且在移动应用程序上销售广告时隙的实时拍卖。
    技术:Pandas,Scikit-Learning,Tornado,C,Presto DB,PostgreSQL,Bash,Git,Amazon Web服务(AWS),Linux,Python
  • 研究人员|开发人员

    2013 - 2014年
    综合神经科学实验室
    • 使用Fisher的LDA和SVMS在Python中创建了一个心灵拼写,与EMECTIV EPOC脑电图耳廓耳机兼容。
    • 在球员之间使用Alpha Brainwave检测,在基于放松的竞争游戏。
    • 促进了稳态视觉诱发的潜在选择界面的发展,从远处控制乐高思维汽车。
    • 构建了一个Web服务器以控制耳机,启动不同的系统,并记录大脑活动和用户输入以放大我们的数据集。
    • 在使用不同分类算法和信令环境的思维拼写变体上研究。
    技术:Emotiv SDK,Python

经验

  • 建立更强大的数据科学团队(其他令人惊叹的事情)

    如今,在数据科学团队上工作涉及与来自不同背景的人,如数学家,经济学家,精算,物理学家和工程师。作为数据科学团队的技术领导者意味着您不仅要确保研究,见解和产品为公司增加价值,而且还可以复制,可维护,可靠,可扩展,表现,可测试和正确。

    出于这个原因,我在计算机科学和软件工程中开始了一系列现场技术训练,因为团队的数据科学家没有工程或计算机科学背景。

    培训课程符合算法复杂性,编程练习,环境设置,数据结构,面向对象的哲学和软件架构等主题。

    在技​​术方面,这与适当的onboarding和守则评论 - 导致更好的产品和更快的开发时间。在社会方面,我们很高兴发现我们在学习和辩论共享利益中出现的邦宁出乎意料地制作更强大的团队。

  • 数字营销动态支出模型(发展)

    在数字营销业中,性能营销平台及其客户必须定义​​广告活动的目标和花费模型,以确定客户将如何充电(如固定的CPM,CPC,CPI或CPA)。

    我在一个新的花店模型上工作,其中客户和平台达成最大预算和目标 - 例如每次点击最高成本或购买 - 以及系统找到最佳价格,同时实现目标,并确保令人满意两党的结果。

  • 移动应用程序中的事件预测(开发)

    我建立了一个统计学习系统,以估计在应用程序上执行事件的移动应用程序用户的概率。在线算法每天处理超过400万数据点以持续适合新数据。

    这是一个具有挑战性的项目,因为有不同类型的应用程序(如食物交付或航班预订应用程序),不同类型的事件(如搜索或购买),以及延迟转换反馈(人们通常在观看广告后不需要预订航班)。

    在部署到生产并使用它以进行收入优化之前,重要的是要回答一些问题:
    •适合良好估算器所需的最小数据量是多少?
    •如果您停止从数据并继续使用当前估算器时会发生什么?
    •您愿意等待延迟反馈?
    •应用程序中的所有活动中,您想预测哪一个?

    在解决问题并考虑到可能的突发事件后,系统已成功推出,没有任何问题。

  • 金融教育手机游戏(发展)

    我设计并建造了面向移动游戏的后端,为青少年提供金融教育。

    该游戏组成了一个展示者的职业生涯从地上的模拟,其中玩家必须发表演唱会演奏迷你游戏,并在他们的职业生涯中取得良好的决定。

    玩家的经理通过为他提供建议和建议来平衡休闲时间,贷款在更大的场地和购买赃物中来增加化身的流动。该项目在itau Bank和Red Hat组织组织的比赛中提出。

技能

  • 语言

    Python 3., Python, SQL., 抨击脚本, 抨击, C, HTML., javascript.
  • 图书馆/ API.

    克里克特 - 学习, 熊猫, 休息API., Sklearn., numpy., scipy, matplotlib., Zeromq., 凯拉斯
  • 贮存

    PostgreSQL., redis., AWS S3, mysql.
  • 其他

    点击率(CTR), 机器学习, 龙卷风, 算法, 分布式系统, 优化, volpal wabbit., s, 多处理, 短跑, 萨斯, 预测, 编程, 图像处理
  • 构架

    Presto DB., 烧瓶, 引导
  • 工具

    Git., Docker.撰写, Vim文本编辑器, Emotiv SDK., iPython笔记本, 情节, 先知ERP.
  • 范式

    数据科学
  • 平台

    Linux., Docker., jupyter笔记本, 亚马逊网络服务(AWS), AWS EC2.

教育

  • 掌握'计算机科学学位
    2015 - 2019年
    布宜诺斯艾利斯大学 - 阿根廷布宜诺斯艾利斯
  • 学士'计算机科学学位
    2009 - 2014年
    布宜诺斯艾利斯大学 - 阿根廷布宜诺斯艾利斯

查看更多个人资料

加入Toptal.
与他人分享