Mads Sørensen

Ejer efterspørgselsforecasting på butiksniveau, der driver genbestilling for 140 butikker og cirka 30.000 varenumre.

• Erstattede en ældre statistisk pipeline med en gradient-boosted hierarkimodel og forbedrede WAPE på varenummerniveau fra 34% til 24%.
• Forecast-forbedringer reducerede spild af letfordærvelige varer 18% og udsolgte varer 11%, svarende til anslået 45 mio. kr. om året.
• Byggede drift-overvågning og automatiseret backtesting; stille modelforringelser opdages nu på timer i stedet for uger.
• Kører den kvartalsvise forecasting-gennemgang med supply chain-ledelsen og oversætter modeladfærd til indkøbsbeslutninger.

Kortsigtet forbrugs- og vedvarende-energiforecasting for en energileverandør, der balancerede en portefølje på 400 MW.

• Forbedrede MAPE for day-ahead forbrugsforecast fra 4,1% til 2,9% og skar balanceringsomkostningerne med cirka 9 mio. kr. om året.
• Byggede en probabilistisk model for solproduktion, som handelsbordet brugte til intradag-positionering.
• Indførte feature store-mønstre, der skar iterationstiden for nye modeller fra uger til dage.

Kunde- og sortimentsanalyse for detailkunder.

• Byggede en churn-scoringsmodel for en telekunde, der løftede konverteringen på fastholdelseskampagner 2,3 gange i forhold til tilfældig targeting.
• Automatiserede den ugentlige kunderapportering og frigjorde cirka en analytikerdag om ugen.

Python-bibliotek, der implementerer MinT og bottom-up-afstemning med et scikit-learn-kompatibelt API.

• Over 700 stjerner på GitHub; brugt i mindst fire forecasting-stacks i produktion ifølge brugerne.
• Benchmark-suiten reproducerer publicerede afstemningsresultater på tre offentlige datasæt.

Praktisk aftenworkshop om forecasting i produktion, afholdt to gange om året i et lokalt datafællesskab.

• Underviste over 90 fagfolk på tværs af fire hold, i gennemsnit bedømt 4,8/5.
• Alt materiale er open source, herunder et realistisk syntetisk dagligvaredatasæt.

Speciale om hierarkiske afstemningsmetoder til efterspørgselsforecasting i detailhandlen.

Certificering, der dækker design, deployment og overvågning af ML-pipelines på managed cloud-infrastruktur.