Marek Saar

Andmeteadlane, kes tarnib prognoosimudeleid, mis peavad tootmises vastu

Andmeteadlane seitsme aasta kogemusega prognoosimis- ja optimeerimissüsteemide ehitamisel, mis töötavad tootmises, mitte sülearvutites. Vastutab praegu toidukaubaplatvormi nõudluse prognoosimise eest, kus mudeliparandused vähendasid riknevate kaupade raiskamist 18% 140 poes. Tunneb end kindlalt kogu teekonna omamises: probleemi raamimine, modelleerimine, juurutamine ja seire, mis hoiab selle ausana.

Vanem andmeteadlane, prognoosimine

Märtsist 2022 tänaseni

Vastutan poepõhise nõudluse prognoosimise eest, mis toetab 140 poe ja ligikaudu 30 000 tootekoodi täiendamist.

  • Asendasin pärandliku statistilise torustiku gradiendivõimendusega hierarhiamudeliga, parandades tootekoodi tasandi WAPE-d 34%-lt 24%-le.
  • Prognoosiparandused vähendasid riknevate kaupade raiskamist 18% ja laoseisu puudujääke 11%, mis on hinnanguliselt 6 miljonit eurot aastas.
  • Ehitasin triiviseire ja automaatse tagasitestimise; vaiksed mudeli halvenemised tuvastatakse nüüd tundide, mitte nädalatega.
  • Juhin kvartaalset prognoosimise ülevaadet tarneahela juhtkonnaga, tõlkides mudeli käitumise ostuotsusteks.
PrognoosimineGradiendivõimendusMLOpsJaekaubandus

Andmeteadlane

Septembrist 2019 veebruarini 2022

Lühiajaline koormuse ja taastuvenergia prognoosimine energiamüüjale, kes tasakaalustas 400 MW portfelli.

  • Parandasin päev-ette koormusprognoosi MAPE-d 4,1%-lt 2,9%-le, vähendades tasakaalustuskulusid ligikaudu 1,2 miljoni euro võrra aastas.
  • Ehitasin tõenäosusliku päikeseenergia tootmise mudeli, mida kauplemislaud kasutas päevasiseseks positsiooni suuruse määramiseks.
  • Võtsin kasutusele tunnuslao mustrid, mis lühendasid uue mudeli iteratsiooniaega nädalatelt päevadeni.
AegreadTõenäosuslik prognoosimineEnergiaturud

Andmeanalüütik

Oktoobrist 2017 augustini 2019

Kliendi- ja sortimendianalüütika jaekaubandusklientidele.

  • Ehitasin telekomikliendile lahkumise skoorimudeli, mis tõstis hoidmiskampaania konversiooni juhusliku sihtimisega võrreldes 2,3 korda.
  • Automatiseerisin iganädalase kliendiaruandluse süsteemi, vabastades umbes ühe analüütikupäeva nädalas.
PythonSQLLahkumise modelleerimine

reconcile-ts

Juunist 2023 tänaseni

Python-teek, mis rakendab MinT- ja alt-üles-lepitust scikit-learniga ühilduva liidesega.

  • Üle 700 GitHubi tärni; kasutajate teadete kohaselt kasutusel vähemalt neljas tootmise jaekaubanduse prognoosisüsteemis.
  • Võrdlusaluste komplekt taasesitab avaldatud lepitustulemused kolmel avalikul andmestikul.
Avatud lähtekoodPythonPrognoosimine

Tallinna ML-prognoosimise töötuba

Septembrist 2024 tänaseni

Praktiline õhtune töötuba tootmise prognoosimisest, mida korraldatakse kaks korda aastas kohalikus andmekogukonnas.

  • Õpetasin üle 90 praktiku nelja rühma jooksul, keskmine hinnang 4,8/5.
  • Kõik materjalid avatud lähtekoodiga, sealhulgas realistlik sünteetiline toidukauba andmestik.
ÕpetamineKogukond

Rakendusmatemaatika ja andmeteaduse magister

Septembrist 2015 juulini 2017

Magistritöö hierarhilistest lepitusmeetoditest jaekaubanduse nõudluse prognoosimisel.

AegreadOptimeerimineStatistika

Matemaatika bakalaureus

Septembrist 2012 juunini 2015
TõenäosusteooriaNumbrilised meetodid

Terviklik ML-süsteem tunnuste konstrueerimisest tootmise seireni.

Python (pandas, scikit-learn)Gradiendivõimendus (LightGBM, XGBoost)Aegridade prognoosimineTõenäosuslik modelleerimineSQL ja dbtAirflowMLflow ja katsete jälgimineMudeli seire ja triivi tuvastamineSparkSuhtlus huvirühmadega

Töötab inglisekeelsetes meeskondades; emakeel eesti keel.

Eesti keel (emakeel)Inglise keel (C1)Vene keel (B2)

Professional Cloud ML Engineer

Väljastatud jaanuaris 2024

Sertifikaat, mis hõlmab ML-torustiku disaini, juurutamist ja seiret hallatud pilvetaristul.

MLOpsPilv