Andrei Dumitrescu

Responsabil de prognoza cererii la nivel de magazin, care alimentează reaprovizionarea pentru 140 de magazine și aproximativ 30.000 de coduri de produs.

• Am înlocuit un pipeline statistic vechi cu un model ierarhic cu gradient boosting, îmbunătățind WAPE la nivel de produs de la 34% la 24%.
• Îmbunătățirile de prognoză au redus risipa de perisabile cu 18% și lipsurile din stoc cu 11%, echivalentul a aproximativ 6 milioane EUR pe an.
• Am construit monitorizarea derivei și backtesting automat; degradările silențioase ale modelelor sunt detectate în ore, nu în săptămâni.
• Conduc evaluarea trimestrială a prognozelor cu conducerea lanțului de aprovizionare, traducând comportamentul modelelor în decizii de achiziție.

Prognoză pe termen scurt a consumului și a producției regenerabile pentru un furnizor de energie cu un portofoliu de 400 MW.

• Am îmbunătățit MAPE pentru prognoza de consum day-ahead de la 4,1% la 2,9%, reducând costurile de echilibrare cu aproximativ 1,2 milioane EUR pe an.
• Am construit un model probabilistic de producție solară folosit de biroul de tranzacționare pentru dimensionarea pozițiilor intraday.
• Am introdus tipare de feature store care au scurtat iterația pe modele noi de la săptămâni la zile.

Analiză de clienți și sortiment pentru clienți din retail.

• Am construit un model de scoring pentru churn la un client telecom, care a crescut conversia campaniilor de retenție de 2,3 ori față de țintirea aleatorie.
• Am automatizat raportarea săptămânală către clienți, eliberând aproximativ o zi de analist pe săptămână.

Bibliotecă Python care implementează reconcilierea MinT și bottom-up, cu un API compatibil scikit-learn.

• Peste 700 de stele pe GitHub; folosită în cel puțin patru stack-uri de prognoză retail în producție, conform utilizatorilor.
• Suita de benchmark reproduce rezultate publicate de reconciliere pe trei seturi de date publice.

Atelier practic de seară despre prognoza în producție, organizat de două ori pe an într-o comunitate locală de date.

• Peste 90 de practicieni instruiți în patru serii, cu o notă medie de 4,8/5.
• Toate materialele sunt open source, inclusiv un set de date sintetic realist pentru retail alimentar.

Lucrare de disertație despre metode de reconciliere ierarhică pentru prognoza cererii în retail.

Certificare care acoperă proiectarea, punerea în producție și monitorizarea pipeline-urilor ML pe infrastructură cloud gestionată.