Nagaraju Anthati - Senior Data Scientist

Q: Wo ist Nagaraju ansässig?

Nagaraju ist in Stevenage, Vereinigtes Königreich ansässig.

Q: Welche Sprachen spricht Nagaraju?

Nagaraju spricht folgende Sprachen: English (Verhandlungssicher), Spanish (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Nagaraju?

Nagaraju hat mindestens 12 Jahre Erfahrung. In dieser Zeit hat Nagaraju in mindestens 8 verschiedenen Rollen und für 8 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 6 Monate . Beachten Sie, dass Nagaraju möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Nagaraju?

Die neueste Position von Nagaraju ist Senior Data Scientist bei JPMC .

Q: Für welche Unternehmen hat Nagaraju in den letzten Jahren gearbeitet?

In den letzten Jahren hat Nagaraju für JPMC und Glaxo Smith Kline gearbeitet.

Q: In welchen Industrien hat Nagaraju die meiste Erfahrung?

Nagaraju hat die meiste Erfahrung in Industrien wie Gesundheitswesen , Pharmazeutika und Bank- und Finanzwesen . Nagaraju hat auch etwas Erfahrung in Informationstechnologie (IT) , Telekommunikation und Automotive .

Q: In welchen Bereichen hat Nagaraju die meiste Erfahrung?

Nagaraju hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT) , Business Intelligence und Marketing . Nagaraju hat auch etwas Erfahrung in Finanzen .

Q: In welchen Industrien hat Nagaraju kürzlich gearbeitet?

Nagaraju hat kürzlich in Industrien wie Gesundheitswesen , Pharmazeutika und Bank- und Finanzwesen gearbeitet.

Q: In welchen Bereichen hat Nagaraju kürzlich gearbeitet?

Nagaraju hat kürzlich in Bereichen wie Informationstechnologie (IT) , Marketing und Business Intelligence gearbeitet.

Empfohlener Experte

Stevenage, Vereinigtes Königreich

Erfahrungen

Nov. 2023 - Bis heute

2 Jahren 5 Monate

Senior Data Scientist

JPMC

Entworfen und eingesetzt bayessche Marketing-Mix-Modelle (MMM) mit PyMC-3+ und PySpark, um ROI und kanalspezifische Elastizitäten in Einzelhandels- und Asset-Management-Portfolios zu quantifizieren.
Entwickelt ETL- und Feature-Pipelines in Airflow und AWS Databricks und automatisiert die Aufnahme von Marketing-, Transaktions- und Verhaltensdaten im Terabyte-Bereich aus S3, Hive, Postgres und Kafka.
Aufbau einer Delta Lake- und Apache Iceberg-Architektur zur Unterstützung von Adstock-, Carry-over- und saisonalen ETL-Transformationen für Modelldaten.
Implementiert hierarchische bayessche Strukturen und regressionsbasierte MMMs mit NumPy, PyMC und TensorFlow Probability, um Mehrregioneneffekte zu modellieren.
Optimiert PySpark-Jobs mit Liquid Clustering und adaptiver Partitionierung, wodurch die Laufzeit der MMM-Datenaufbereitung um ca. 40 % reduziert wurde.
Automatisiert Modelltraining, Versionierung und Deployment mittels MLflow und Databricks Asset Bundles, um Reproduzierbarkeit und Compliance sicherzustellen.
Gestreamt Werbeeinblendungs- und Konversionsdaten in nahezu Echtzeit aus Multi-Tenant-Kafka-Clustern in Modellpipelines.
Implementiert probabilistische Inferenz-Workflows auf AWS EMR mit verteiltem MCMC-Sampling, was die Konvergenzzeit deutlich verkürzte.
Bereitgestellt Dashboards zur Modell-Erklärbarkeit in Plotly Dash zur Visualisierung von Posterior-Verteilungen, Kanaleffekten und Unsicherheitsintervallen.
Eingesetzt bayessche Regularisierung und Feature-Selection-Techniken, um die Leistung der MMM zu optimieren.
Integriert MMM-Ergebnisse in Snowflake und AWS RDS für BI- und Marketing-Analytics-Zwecke.
Implementiert Data-Quality-Monitoring mit Great Expectations und Validierung in allen ETL-Workflows.
Zusammengearbeitet mit Quant-Forschungsteams, um MMM-basierte Elastizitäten in Finanzprognosemodelle zu integrieren.
Automatisierte CI/CD-Pipelines mit Jules und ServiceNow für Modellretraining und Deployment.
Bereitgestellt funktionsübergreifende MMM-Insights für Marketing-, Finanz- und Analytics-Teams zur Unterstützung der Budgetoptimierung.
Definiert und implementiert fortgeschrittenes eCommerce-Tracking für Online-Transaktionen, was granulare Berichte zu Produktperformance und zur Analyse der Customer Journey ermöglicht.
Integriert Google Analytics in Drittanbieterplattformen wie Google Ads und CRM-Systeme, um plattformübergreifende Attribution und nahtlosen Datenfluss zu ermöglichen.
Regression, Entscheidungsbäume und Clustering eingesetzt, um Kundenverhalten vorherzusagen und Zielgruppen für gezieltes Marketing zu segmentieren.
Entwickelt ein Multi-Touch-Attributionsmodell, um Konversionszuweisungen über digitale Touchpoints genau vorzunehmen.
Implementiert Resilienz, Zuverlässigkeit und Verfügbarkeit verschiedener Asset- und Wealth-Management-Tools sowohl On-Premise als auch in der Cloud.
Durchgeführt Abgleich und Reporting-Integration von Fondspositionen, Instrumenten, Bargeld und Geldmarktmärkten.
Verwaltet Change Management, Release-Prozesse und Release-Management mithilfe von Jules-Pipelines und ServiceNow.
Erzeugt AFX-Merchant-Reports, P&L-Validierung und Reportings für verschiedene Fonds, Assets und Instrumente.
Implementiert eine Echtzeit-Tagesladezustandslösung mittels Geneos-Dashboards.
Bereitgestellt kundenseitigen Support für verschiedene MMM- und ML-Aktivitäten im Asset- und Wealth Management.

Sept. 2018 - Jan. 2023

4 Jahren 5 Monate

Stevenage, Vereinigtes Königreich

Data Scientist - MMM/ML

Glaxo Smith Kline

Konzipiert und implementiert bayessche MMM-Frameworks in PyMC, um ROI über kanalübergreifende Marketingkampagnen im Bereich Consumer Health und Pharma zu bewerten.
End-to-End-ETL-Pipelines mit Airflow, Kafka, Azure Data Factory und Databricks Spark aufgebaut, die CRM-, Vertriebs-, Planungs- und Prozessdaten (>100 TB) integrieren.
Probabilistische Regressionsmodelle mit hierarchischen Priors entwickelt, um Heterogenität auf Kampagnen-, Regionen- und HCP-Ebene zu erfassen.
Schema-evolving Datenmodelle mit offenen Tabellenformaten und ADLS Gen2-Integration erstellt.
Bayessche Inferenz-Workflows mit MCMC-Sampling auf Azure Databricks implementiert, um Kanalspezifische Elastizitäten zu schätzen.
Individuelle Priors entwickelt, die domänenspezifisches Wissen wie Zerfallsraten, Carry-over und Sättigungseffekte abbilden.
Automatisierte Trainings- und Evaluationspipelines mit Azure ML und MLflow erstellt, mit versionierten Experimenten.
Streaming-Analytics mit Kafka und Flink implementiert, um MMM-Datensätze aus digitalen und Feldsystemen kontinuierlich zu aktualisieren.
PySpark-Feature-Stores und Validierungsschichten aufgebaut, um Datenqualität und Konsistenz sicherzustellen.
Modelldiagnosen mit WAIC, LOO-CV und posterior predictive Checks durchgeführt.
Power BI- und Plotly Dash-Dashboards erstellt, damit Marketingteams MMM-Insights und Posterior-ROI-Kurven visualisieren können.
Daten-Governance, Lineage-Tracking und GDPR/GxP-Compliance über alle Azure-Datenpipelines sichergestellt.
Legacy-MMM-Workloads von On-Prem-HDP zu Azure Databricks migriert, Skalierbarkeit verbessert und Verarbeitungszeit um 60 % reduziert.
Budgetoptimierungssimulatoren in Python unter Verwendung von Prinzipien der Bayesschen Entscheidungstheorie entwickelt.
Zusammenarbeit mit Commercial-Analytics-Teams, um MMM-Insights in Prognose- und Promotionsplanungsmodelle zu operationalisieren.
Arbeit an cloudbasierten Kafka-Datenquellen und Streaming mittels Kafka-Connectoren und Flink.
Standardisierte SQL-Engine-Cluster mit Presto DB eingerichtet.
Virtuelle Cloud-Datenlager mit Snowflake aufgebaut und Datenabfragen mit SnowSQL, Spark-Jobs und Tez durchgeführt.
Dokumentation in Confluence gepflegt, Code Reviews durchgeführt und Builds mit Groovy auf Jenkins verwaltet.

März 2017 - Aug. 2018

1 Jahr 6 Monate

Reading, Vereinigtes Königreich

Data Engineer

Visa Europe

Datenanalyse auf CDH5- und CDH6-Clustern mit Apache Hue durchgeführt.
Autoscaling und Wartung von AWS EMR-Clustern verwaltet.
Massive Data-Warehouse-Lösungen implementiert, um 800 TB Daten von DB2-Speicher nach Hadoop auszulagern.
Streaming-Prozesse für Transaktions- und Abrechnungsdaten mit Kinesis eingerichtet.
Workflow-Planungen mit Airflow und Oozie implementiert.
Streaming-Ingestion auf der Confluent-Kafka-Plattform mit 10 Broker-Knoten aus verschiedenen Datenquellen bereitgestellt.

Feb. 2016 - Jan. 2017

1 Jahr

Madrid, Spanien

Hadoop/Big Data Engineer

Solera Holdings

Mit Hadoop, Sqoop, Hive, HBase, Spark, Akka, Lucene, Solr, Pig, Pentaho, Hue und Scala gearbeitet, um Big-Data-Lösungen zu entwickeln.

Jan. 2015 - Jan. 2016

1 Jahr 1 Monat

Nottingham, Vereinigtes Königreich

Big Data Hadoop Developer

Silicon Integra Limited

Hadoop- und Big-Data-Pipelines entwickelt mit Hadoop, Sqoop, R, Kite SDK, Kudu, Hive (CDH5.4, CDH5.6), HBase, Impala, Hue, Spark, Oozie, AWS EMR, Azure, Solr, Pig, Paxata, Scala und Presto DB.
Bewertungs- und Schätzalgorithmen angewendet.

Mai 2014 - Jan. 2015

9 Monate

Stockton-on-Tees, Vereinigtes Königreich

Hadoop-Entwickler / Analystenberater

Nortech Solutions

Entwickelte Big-Data-Lösungen mit Hadoop, Sqoop, Hive, HBase, Spark, Akka, Lucene, Solr, Pig, Pentaho, Hue und Scala.

Aug. 2013 - Jan. 2014

6 Monate

Hyderabad, Indien

Big-Data-Entwickler/Ingenieur

Nextgen Solutions

Entwickelte Big-Data-Anwendungen mit Hadoop, Hive, Scala, JSF, MongoDB, HBase, ActiveMQ und Multithreading.

März 2012 - März 2013

1 Jahr 1 Monat

Big-Data/Hadoop-Ingenieur

Tata Telecom

Implementierte Big-Data-Analysen und Hadoop-Ökosystemlösungen mit Hadoop Analytics, Pentaho, Java, Python und J2EE.

Branchenerfahrung

Sehen Sie, in welchen Branchen dieser Freiberufler den Großteil seiner beruflichen Laufbahn verbracht hat.

Erfahren in Gesundheitswesen, Pharmazeutika, Bank- und Finanzwesen, Informationstechnologie (IT), Automotive und Versicherung.

Gesundheitswesen

Pharmazeutika

Bank- und Finanzwesen

Informationstechnologie (IT)

Automotive

Versicherung

Erfahrung nach Fachbereich

Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.

Erfahren in Informationstechnologie (IT), Business Intelligence, Marketing und Finanzen.

Informationstechnologie (IT)

Business Intelligence

Marketing

Finanzen

Zusammenfassung

Ich verfüge über insgesamt mehr als 13 Jahre Erfahrung in der Planung, dem Aufbau, der Umsetzung und der Integration von kommerziellen Projekten im großen Maßstab in verschiedenen Branchen wie Finanzen, Einzelhandel, Versicherungen, Banking, High-Tech, Social Media, Öl und Gas sowie Netzwerktechnik/Telekommunikation. Nach meinem Karrierestart als Graduate Systems Engineer bei TCS war ich an groß angelegten Java- und Hadoop-Projekten beteiligt, die hoch skalierbar, verteilt und hochverfügbar sind. Ich habe mit verschiedenen Cloud-Umgebungen wie AWS und Azure sowie Open-Source-Tools für Cloud-Bereitstellung und -Konfiguration wie OpenStack und OpenNebula gearbeitet. Dabei habe ich praktische Erfahrungen mit NoSQL-Datenbanken wie MongoDB, HBase und Cassandra gesammelt. Ich habe mit verschiedenen agilen Methoden wie TDD, BDD, Pair Programming, Continuous Integration und Scrum gearbeitet. In Programmiersprachen wie Java, Scala, Python, Golang, C, PySpark, Shell-Scripting, J2EE, JSF, im Apache Hadoop-Ökosystem, bei Hortonworks, Cloudera, Accel Data ODP, ETL-Verfahren und Analytics-Plattformen gearbeitet.

Fähigkeiten

Pymc
Pymc-marketing
Bayessche Modellierung
Regression
Klassifikation/clustering
Zeitreihenprognosen
Google Analytics
Generative Ki
Langchain/langgraph
Milvus
Neilson Marketing Cloud
Python
Sql
Java
Git
Docker
Mongodb
R
Presto Db
Linux/unix
Github
Spring Boot
Künstliche Intelligenz
Etl
Cloud-dienste
Bash
Ansible
Graphql
Nosql
Eks
Jupyterhub
Scala
Kubernetes
Apache Hadoop
Confluent/kafka
Oracle-datenbank
Azure Adf
Azure Data Lake
Databricks
Azure Synapse
Dataiku
Sagemaker
Azure Dsvm
Slurm/lsf
Datenanalyse
Statistische Modellierung
Modellbereitstellung
Cloud Data Engineering (Aws, Azure)
Erweiterte Analysen
Maschinelles Lernen
Generative Ki
Lösungsentwicklung
Streaming-daten-pipelines
Staging-tabellen
Lösungen Mit Geringer Latenz
Multitasking-fähigkeiten
Entscheidungsfindung
Selbstmotiviert

Sprachen

Englisch

Verhandlungssicher

Spanisch

Grundkenntnisse

Ausbildung

Jan. 2014 - Juli 2015

Northumbria University

Master of Science · Informatik · Newcastle upon Tyne, Vereinigtes Königreich

Mai 2006 - Juni 2010

JNTU

Bachelor of Technology · Elektrotechnik, Elektronik und Kommunikationstechnik · Indien

Statistiken

Erfahrung

Positionen gesamt 8

Erfahrung in Gesundheitswesen 4.5 J.

Durchschn. Dauer 1 J. 6 M.

Längste Erfahrung 4 J. 4 M.

Globale Erfahrung

Länder gearbeitet 3 (Vereinigtes Königreich, Spanien, Indien)

Hauptland Vereinigtes Königreich

Fachkenntnisse

Aktuelle Rollen Senior Data Scientist, Data Scientist - MMM/ML, Data Engineer

Hauptbranchen Gesundheitswesen, Pharmazeutika, Bank- und Finanzwesen

Hauptfachbereiche Informationstechnologie (IT), Business Intelligence, Marketing

Qualifikationen

Höchster Abschluss Master

Profil

Erstellt

November 2025

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently Asked Questions

Sie haben Fragen? Hier finden Sie weitere Informationen

Wo ist Nagaraju ansässig?

Nagaraju ist in Stevenage, Vereinigtes Königreich ansässig.

Welche Sprachen spricht Nagaraju?

Nagaraju spricht folgende Sprachen: English (Verhandlungssicher), Spanish (Grundkenntnisse).

Wie viele Jahre Erfahrung hat Nagaraju?

Nagaraju hat mindestens 12 Jahre Erfahrung. In dieser Zeit hat Nagaraju in mindestens 8 verschiedenen Rollen und für 8 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 6 Monate. Beachten Sie, dass Nagaraju möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Nagaraju am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Nagaraju gut geeignet für Rollen wie: Senior Data Scientist, Data Scientist - MMM/ML, Data Engineer.

Was ist das neueste Projekt von Nagaraju?

Die neueste Position von Nagaraju ist Senior Data Scientist bei JPMC.

Für welche Unternehmen hat Nagaraju in den letzten Jahren gearbeitet?

In den letzten Jahren hat Nagaraju für JPMC und Glaxo Smith Kline gearbeitet.

In welchen Industrien hat Nagaraju die meiste Erfahrung?

Nagaraju hat die meiste Erfahrung in Industrien wie Gesundheitswesen, Pharmazeutika und Bank- und Finanzwesen. Nagaraju hat auch etwas Erfahrung in Informationstechnologie (IT), Telekommunikation und Automotive.

In welchen Bereichen hat Nagaraju die meiste Erfahrung?

Nagaraju hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Business Intelligence und Marketing. Nagaraju hat auch etwas Erfahrung in Finanzen.

In welchen Industrien hat Nagaraju kürzlich gearbeitet?

Nagaraju hat kürzlich in Industrien wie Gesundheitswesen, Pharmazeutika und Bank- und Finanzwesen gearbeitet.

In welchen Bereichen hat Nagaraju kürzlich gearbeitet?

Nagaraju hat kürzlich in Bereichen wie Informationstechnologie (IT), Marketing und Business Intelligence gearbeitet.

Was ist die Ausbildung von Nagaraju?

Nagaraju hat einen Master in Informatik from Northumbria University und einen Bachelor in Elektrotechnik, Elektronik und Kommunikationstechnik from JNTU.

Wie ist die Verfügbarkeit von Nagaraju?

Nagaraju ist sofort in Teilzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Nagaraju?

Der Stundensatz von Nagaraju hängt von den spezifischen Projektanforderungen ab. Bitte verwenden Sie die Meet-Schaltfläche im Profil, um ein Meeting zu planen und die Details zu besprechen.

Wie kann man Nagaraju beauftragen?

Um Nagaraju zu beauftragen, klicken Sie auf die Meet-Schaltfläche im Profil, um ein Meeting anzufragen und Ihre Projektanforderungen zu besprechen.

Durchschnittlicher Tagessatz für ähnliche Positionen

Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.

1000

750

500

250

⌀ Markt: 790-950 €

Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freiberufler in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.

Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.