Burcin is available for hire

Burcin Sarac

Verified Expert in Engineering

数据科学家和软件开发人员

Location

Istanbul, Turkey

Toptal Member Since

August 13, 2021

Burcin是一位拥有多年实践经验的数据科学家, 该领域的硕士学位, 以及机器学习和深度学习方面的认证. 他主导了许多人工智能和机器学习技术，尤其是Python和整个生态系统. Burcin目前专注于区块链生态系统, 自然语言处理, 在自动化和云技术方面有专长, 尤其是谷歌云平台(GCP).

Data Analysis Machine Learning Clustering 人工智能(AI)Data Analytics Python 3 Python Pandas SQL Data Visualization Deep Learning 自然语言处理(NLP)Data Engineering ChatGPT Microsoft SQL Server

Portfolio

n11.com

谷歌云ML，谷歌云平台(GCP)， GPT...

Onyx Relations Corp

人工智能(AI)， GPT, Twitter API, Reddit API...

美国的独资企业

交易，人工智能(AI)，数据科学，数据分析...

Experience

Python 3 - 6 years Data Science - 5 years Data Analysis - 5 years Statistics - 4 years SQL - 4 years Data Analytics - 4 years 自然语言处理(NLP) - 2年 GPT - 2 years

Availability

Part-time

Preferred Environment

Ubuntu 20.04, Python 3, Jupyter Notebook, PyCharm, 自然语言处理(NLP), GPT, 生成预训练变压器(GPT), 谷歌云平台(GCP), Amazon Web Services (AWS), Visual Studio Code (VS Code)

The most amazing...

...我建立的是一个倾向模型，可以用更低的成本来改善营销运作. 它将顾客回头率提高了约20%.

Work Experience

Senior Data Scientist

2022 - PRESENT

n11.com

构建日常客户数据管道, weekly, 以及每月根据客户交易生成的功能. 使用Python在BigQuery中生成表的调度作业.
重新设计并改进了流失模型，以检测流失并使用客户交易作为原始数据计算客户生命周期价值.
根据使用平台活动日志和事务的客户行为对客户进行细分.
使用客户交互数据开发和部署自定义聊天机器人. 在GCP中创建了自定义模型端点，在Cloud Run中创建了API，并为计划的模型再训练操作设计了Kubeflow管道.
设计了一个HTML页面，使用办公室屏幕跟踪实时订单数量，并使用HTML动画来庆祝目标命中, CSS, 和JavaScript以及FastAPI在后端.
作为团队的一员，在一个定制的内部推荐系统开发项目中工作，并为整个项目生命周期的设计做出贡献, including the API design.

Technologies: 谷歌云ML，谷歌云平台(GCP)， GPT, 自然语言处理(NLP), Python 3, Python, Google BigQuery, BigQuery, Apache Airflow, Cron, Cloud Dataflow, Machine Learning, Deep Learning, Unsupervised Learning, Customer Segmentation, Classification, Data Analysis, Data Science, Data Engineering, Data Pipelines, 自然语言工具包(NLTK), SpaCy, 人工智能(AI), Google Cloud Functions, Google Cloud, Kubeflow, APIs, Flask, Chatbots, HTML, CSS, JavaScript

AI Developer

2023 - 2023

Onyx Relations Corp

开发了一个能够发布特定主题的机器人, press releases, 在社交媒体平台上与用户互动.
集成和利用LLM/GPT技术，实现对用户交互的有机和上下文相关的响应.
实现了检测和响应相关线程的功能, discussions, 以及Twitter和Reddit上的趋势.
使用各种技术将所有流程部署到Google云平台, such as Cloud Run, Cloud Functions, BigQuery, and Cloud Scheduler, among others.

Technologies: 人工智能(AI)， GPT, Twitter API, Reddit API, 生成预训练变压器(GPT), OpenAI, OpenAI GPT-4 API, Web Scraping, 自然语言处理(NLP), Automation, 谷歌云平台(GCP), Google Cloud Functions, Google Cloud, Docker, BigQuery, 机器学习操作(MLOps), ChatGPT

数据科学家|人工智能开发者

2023 - 2023

美国的独资企业

利用价格相关数据跟踪美国股市趋势策略，开发并进行回测.
通过连接股票市场api，使用Python根据回测结果自动执行成功交易策略.
在云端部署所有全自动交易机器人, 允许用户改变参数和开始/停止他们通过一个干净的前屏幕.
创建单独的BigQuery表来记录每个交易机器人的关闭交易，并通过过滤选项将交易结果可视化，让用户使用Looker Studio分析机器人的性能.

Technologies: 交易，人工智能(AI)，数据科学，数据分析, Algorithmic Trading, Trend Analysis, Google Cloud, 谷歌云平台(GCP), Google BigQuery, Looker, API Integration, Finance APIs, Finance

Senior Applied Scientist

2022 - 2022

Magnify

在一个售后自动化和编排平台开发项目中担任ML模型开发人员. 基于Salesforce平台使用属性对客户进行细分.
Gathered, transformed, 并总结特征，定义了一种基于规则的客户流失算法，以检测客户之间可能的流失.
从本机通过SSH连接到AWS VM实例, 在AWS的S3桶中建立ML Flow实验跟踪记录, 并使用Prefect生成实验跟踪报告.

Technologies: Python 3, 机器学习操作(MLOps), Clustering, Unsupervised Learning, Amazon SageMaker, Amazon Web Services (AWS), 人工智能(AI), Data Engineering, Python, Statistics, Data Science, Scikit-learn, Docker

Senior Data Scientist

2021 - 2022

Intertech (Emirates NBD Bank)

开发NLP模型，使用索赔文档总结文本，对客户请求进行分类，并将其转发给相关部门.
汇总员工的工作日志作为时间序列数据收集, 然后估计未来的工作计划未来的员工能力需求.
建立异常检测模型，检测发票支付中的异常情况，并实施电子邮件警报系统，以便相关团队及时干预.
Constructed pipelines for gathering data from various sources such as relational databases and HTML or Excel files to generate reports; these were published via Power BI.

Technologies: Python 3, Microsoft SQL Server, Microsoft Power BI, Financial Modeling, Trend Forecasting, GPT, 自然语言处理(NLP), 自然语言理解(NLU), Data Analysis, Microsoft Azure, Data Visualization, 人工智能(AI), Data Engineering, Python, ETL, SQL, Data Pipelines, Data Analytics, Data Science, Statistics, 自然语言工具包(NLTK), SpaCy

Senior Data Scientist

2020 - 2021

Sekerbank (Samruk - Kazyna Invest LLP)

建立并提出零售贷款产品和贷款账户的倾向模型，以确定客户购买这些产品的倾向.
开发并实现了基于资产对零售客户进行细分的聚类算法, liabilities, and product ownership.
整理和分类客户对产品和服务的投诉文本，生成每周报告.
开发基于客户产品所有权的购物篮分析项目，以改进营销活动.
为日常客户数据的解析和分析构建管道, weekly, 每月执行报告，使报告准备工作自动化.

Technologies: Python 3, Oracle SQL, Predictive Modeling, Classification, Trend Forecasting, Machine Learning, 监督式机器学习, 机器学习操作(MLOps), Data Engineering, SQL, Python, Data Science, Data Analysis, Data Analytics, Data Pipelines, ETL, Scikit-learn, Pandas, Forecasting, 自然语言工具包(NLTK), 人工智能(AI)

Data Scientist

2019 - 2020

Vakifbank

为零售和中小企业客户开发和部署产品倾向模型，以检测客户是否可能购买，并改进营销计划的客户定位.
构建了基于客户余额账户的客户细分模型, transactions, credit cards, and loan usage behaviors.
调查和更新当前使用的预测模型，以提高预测性能并简化结果.
改进的报告生成管道，使基于客户数据的准备过程自动化.

Technologies: Python 3, Oracle SQL, Classification, 机器学习操作(MLOps), Clustering, Unsupervised Learning, Supervised Learning, Python, Statistics, SPSS Modeler, Data Pipelines, Data Science, Data Analysis, Data Analytics, SQL, ETL, Machine Learning, Financial Modeling, Trading, Algorithmic Trading, 人工智能(AI), Finance, Finance APIs

Experience

歌词生成器|一个网页抓取和歌词生成项目

http://github.com/burcins/LyricsGenerator

在这个自行开发的项目中, 我的目标是通过使用给定表演者的整个专辑的歌词来生成歌词. 我用鲍勃·迪伦(Bob Dylan)的歌词开发了我的模型，但它仍在接受新的考验.

In the first step, 我通过Beautiful Soup软件包解析了网页上的歌词，然后进行了清理，并为模型开发做好了准备. After that, 我创建了一个有几个层的双向LSTM模型，然后用一百次迭代来训练它. Eventually, 我为训练模型提供了最初的单词，它预测了额外的100个单词.

推特情绪分析

http://github.com/burcins/Twitter-Sentiment-Analysis

在这个项目中，我的目标是获得最新的Twitter tweet和干净的字符串. Afterward, 我会对每条推文逐一进行情绪分析，并为它们分配分数，以确定推文的积极或消极.

ATM机现金需求预测

http://github.com/burcins/Time-Series-Forecasting

该项目的主要目的是通过使用一年的每日存款和取款日志来预测下个月atm的每日现金需求.

该数据集包括三个特征:现金流入、现金流出和日期. It also contains 1,总共186个观测值，对应于1,186天，2016年1月1日至2019年3月31日. Eventually, 预计将分别预测2019年4月1日至2019年4月30日之间的现金流入和现金流出价值.

定期存款倾向预测

http://github.com/burcins/Term-Deposit-Propensity-Prediction

项目的主要目标是建立一个端到端的机器学习项目，利用呼叫中心的数据来预测客户的定期存款购买倾向. 换句话说，我们试图预测客户购买定期存款的概率. In addition, 最后一部分用于客户聚类，以识别更有可能购买投资产品的客户.

该数据包含40,000条客户数据，具有14个特征，包括定期存款所有权.

Text Summarizer

http://huggingface.co/spaces/Burcin/ExtractiveSummarizer

在这个项目中，我的主要目标是根据文本的内容总结文本. 我开发了一个模型，并把它用一个界面部署到hug Face上. 这个界面允许用户总结维基百科的内容. 唯一的要求是从维基百科中获取主题及其收集的内容. 在摘要方面，该模型采用了两种不同的抽取摘要方法. 输出的句子数量取决于原始文本的长度.

Skills

Languages

Python 3, Python, SQL, SAS, R, HTML, CSS, JavaScript

Libraries/APIs

Pandas, Scikit-learn, 自然语言工具包(NLTK), SpaCy, TensorFlow, Beautiful Soup, Twitter API, Reddit API

Paradigms

数据科学，ETL，自动化

Platforms

Jupyter Notebook, 谷歌云平台(GCP), Amazon Web Services (AWS), Docker, Visual Studio Code (VS Code)

Other

Machine Learning, Classification, Clustering, Unsupervised Learning, Data Analysis, Supervised Learning, 人工智能(AI), Data Analytics, 数据处理自动化, Ubuntu 20.04, Deep Learning, Statistics, 自然语言处理(NLP), 机器学习操作(MLOps), Time Series Analysis, Financial Modeling, Microsoft Azure, Data Visualization, Data Engineering, Trading, Algorithmic Trading, Financial Markets, Capital Markets, Stock Market, Stock Trading, Stock Exchange, 递归神经网络(rnn), 卷积神经网络, 长短期记忆(LSTM), GPT, ChatGPT, Time Series, Text Classification, Web Scraping, Predictive Modeling, Trend Forecasting, 监督式机器学习, 自然语言理解(NLU), Forecasting, Stock Price Analysis, 股票市场技术分析, Financial Marketing, Big Data, Social Media Analytics, Sequence Models, Regression, Text Categorization, Data Cleaning, Google Cloud ML, Google BigQuery, Customer Segmentation, MLflow, Prefect, Trend Analysis, API Integration, 生成预训练变压器(GPT), OpenAI, OpenAI GPT-4 API, Google Cloud Functions, Finance APIs, Finance, Kubeflow, APIs, Chatbots

Tools

PyCharm, Microsoft Power BI, SPSS Modeler, Amazon SageMaker, BigQuery, Apache Airflow, Cron, Cloud Dataflow, Grafana, Looker

Storage

Microsoft SQL Server, Oracle SQL, MySQL, Data Pipelines, MongoDB, Cassandra, Redis, NoSQL, Google Cloud

Frameworks

Flask

Education

2018 - 2020

商业分析硕士学位

雅典经济与商业大学-雅典，希腊

2011 - 2013

资本市场硕士学位

马尔马拉大学-伊斯坦布尔，土耳其

Certifications

SEPTEMBER 2022 - PRESENT

MLOps Zoomcamp

DataTalks.Club

NOVEMBER 2020 - PRESENT

自然语言处理专业化

Coursera

Collaboration That Works

How to Work with 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.

Share your needs

在与Toptal领域专家的电话中讨论您的需求并细化您的范围.

Choose your talent

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.

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.

Start hiring