Ich werde Maschinenlernmodelle erstellen und statistische Analysen in Python durchführen

Data Scientist mit Erfahrung in der Produktion von Maschinenlernmodellen, prädiktiver Modellierung, statistischer Analyse und Überlebens-/Zeit-bis-Ereignis-Methoden, entwickelt für echte Entscheidungen, nicht nur Notebook-Demos.

Hintergrund: Entwicklung von NLME- und Überlebensmodellen für die klinische Forschung, die die erforderliche Stichprobengröße um 30-40 % reduziert haben, prädiktive Modelle für das kardiovaskuläre Risiko, die Standardkliniksmaßstäbe übertreffen, sowie statistische Pipelines, die den Vergleich der Wirksamkeit von Medikamenten auf verschiedenen Märkten unterstützen. Zwei peer-reviewed Veröffentlichungen in der Datenanalyse.

Wobei ich helfen kann: Aufbau und Bewertung von ML-Modellen (Random Forest, XGBoost, Regression) mit ordnungsgemäßer Validierung, nicht nur ein angepasstes Modell ohne Diagnostik; Überlebens-/Zeit-bis-Ereignis-Analyse (Cox PH, Kaplan-Meier); A/B-Tests und statistische Signifikanztests korrekt durchführen; Datenbereinigung und Feature-Engineering; Methodik klar erklären, sodass du sie in einer Verteidigung deiner Thesis oder bei Stakeholder-Meetings verteidigen kannst.

Stack: Python (Scikit-learn, Pandas, NumPy, SciPy, PyTorch), R, Statsmodels. Jede Lieferung enthält eine Erklärung in einfacher Sprache, was gemacht wurde und warum. Schick mir deinen Datensatz oder beschreibe ihn, und ich schlage die passende Vorgehensweise vor