REFERENCES
Building a prescriptive model for advertisement text (with revenue uplift 7%) – conducted feasibility study for user recommendations based on recurrent neural networks.
Python, TensorFlow, RNN, Machine & Deep Learning
Text Mining: implementation of a new, scalable item based collaborative filtering algorithm for 150 million events per day.
Increase in click through rate by 10% compared to previous implementation – constructed real time streaming pipeline to transform newspaper text into vector format for about 20 texts per second being transformed, inserted and updated each day, implemented a fully automated model retraining pipeline.
Python, Spark, TensorFlow, Machine & Deep Learning, Big Data
Design and implement a Data Science Stack for Text Mining.
Regression, Classification and Apache Spark, Recurrent Neural Networks, Keras, Hadoop
Topic modeling: Use LDA-Algorithm to model the topics of German news
Doc2Vec: Use the topic model to transform each document to a topic vector
Similar documents detection: Use the topic model to transform the corpus to a topic matrix and search similar documents using the corpus-topic matrix
Keyword identification: Build a keyword extractor to identify keywords from German news
Python, Gitlab, Jmeter, SonarQube, Docker, Rancher
Analyze the text of product names, descriptions, etc. to improve search quality, develop novel POS and entity tagger and build a prediction model of the product categories by training a feedforward neural network.
Python, NLTK, Sklearn, machine learning, Neural Networks
Web-mining & Text-analytics: crawl websites, apply text analytics techniques to extract information.
Natural language processing for German: POS-tagging and stemming based on statistical inference; topic and sentiment analysis of the news.
R, R-Shiny, IBM Watson
KI, Machine-Learning, Robotics, Blockchain und Data Science prägen den Alltag immer deutlicher.
Die technologischen Entwicklungen fordern bestehende Geschäftsmodelle dabei heraus bzw. bilden den Raum für neue Ansätze und Leistungsmöglichkeiten.
Im Mittelpunkt dabei: die Fähigkeit diese neuen Technologien anzuwenden, zu nutzen und im richtigen Zusammenhang zum Leben zu erwecken.
Welche Fähigkeiten werden dabei gebraucht? Welche Skills sind in welcher Tiefe vorhanden? Welche Fähigkeiten bringe ich als Experte schon mit ein?
X-Skill hilft dabei. Finden Sie heraus, welche Kompetenzen Sie haben und lassen Sie sich diese in aufbereiteter Form visualisieren.
Dies hilft dann einen Überblick zu erhalten und gibt Ihnen zugleich eine Möglichkeit Ihre Unterlagen mit einer zeitgemäßen Visualisierungsform zu ergänzen.
Die Skill-Erfassung dauert 5-10 Minuten. Nach Beendigung werten wir die Daten aus und senden Ihnen die Dokumente kostenfrei zu.
Auf Wunsch nehmen wir Sie dann auch in unseren Talent-Pool auf. So können wir Sie jederzeit mit spannenden Use-Cases, Projekten und Jobs in Verbindung bringen.
Bitte loggen Sie sich mit Ihren Daten ein. Sollten Sie noch keine Logindaten haben, so wenden Sie sich bitte an ihren lexoro Berater oder senden Sie uns über das Kontaktformular eine Anfrage.
© 2020, lexoro GmbH
