Daniel Košťál

Dátový vedec, ktorý dodáva prognostické modely prežívajúce v produkcii

Seniorný dátový vedec, prognózovanie

Mar 2022 až súčasnosť

Zodpovedám za prognózovanie dopytu na úrovni predajní, ktoré poháňa dopĺňanie zásob pre 140 predajní a zhruba 30 000 položiek.

  • Nahradil som staršiu štatistickú pipeline hierarchickým modelom s gradient boostingom a zlepšil WAPE na úrovni položiek z 34 % na 24 %.
  • Zlepšenia prognóz znížili odpis čerstvého tovaru o 18 % a nedostupnosť o 11 %, v hodnote odhadom 6 mil. eur ročne.
  • Postavil som monitoring driftu a automatické spätné testovanie; tiché zhoršenia modelu sa odhalia v hodinách namiesto týždňov.
  • Vediem štvrťročnú revíziu prognóz s vedením dodávateľského reťazca a prekladám správanie modelu do nákupných rozhodnutí.
PrognózovanieGradient boostingMLOpsMaloobchod

Dátový vedec

Sep 2019 až Feb 2022

Krátkodobé prognózovanie záťaže a obnoviteľných zdrojov pre dodávateľa energie vyvažujúceho portfólio 400 MW.

  • Zlepšil som MAPE dennej prognózy záťaže zo 4,1 % na 2,9 %, čím sa náklady na vyrovnávanie znížili zhruba o 1,2 mil. eur ročne.
  • Postavil som pravdepodobnostný model solárnej výroby, ktorý obchodné oddelenie používa na vnútrodenné určovanie pozícií.
  • Zaviedol som vzory feature store, ktoré skrátili iteráciu nového modelu z týždňov na dni.
Časové radyPravdepodobnostné prognózovanieEnergetické trhy

Dátový analytik

Okt 2017 až Aug 2019

Analytika zákazníkov a sortimentu pre maloobchodných klientov.

  • Postavil som model skórovania odchodu zákazníkov pre telekomunikačného klienta, ktorý zvýšil konverziu retenčnej kampane 2,3-násobne oproti náhodnému cieleniu.
  • Zautomatizoval som týždenný reportingový aparát pre klientov, čím som uvoľnil približne jeden analytický deň týždenne.
PythonSQLModelovanie odchodu zákazníkov

reconcile-ts

Jún 2023 až súčasnosť

Python knižnica implementujúca MinT a bottom-up rekonciliáciu s API kompatibilným so scikit-learn.

  • Vyše 700 hviezdičiek na GitHube; podľa hlásení používateľov beží minimálne v štyroch produkčných maloobchodných prognostických systémoch.
  • Sada benchmarkov reprodukuje publikované výsledky rekonciliácie na troch verejných dátových sadách.
Open sourcePythonPrognózovanie

Bratislavský workshop ML prognózovania

Sep 2024 až súčasnosť

Praktický večerný workshop o prognózovaní v produkcii, dvakrát ročne v miestnej dátovej komunite.

  • Vyškolil som vyše 90 praktikov v štyroch behoch s priemerným hodnotením 4,8/5.
  • Všetky materiály sú open source vrátane realistickej syntetickej dátovej sady z maloobchodu.
VýučbaKomunita