Eirik Solberg
- Telefon: +47 98 76 54 32
- E-post: eirik.solberg@email.com
- Stad: Bergen, Noreg
- LinkedIn: eirik.solberg.statistiker
Samandrag
Seks års erfaring med å utvikle og implementere statistiske modellar for å optimalisere beslutningsprosessar og forbetre datadriven innsikt. Har leia prosjekt for å redusere feilmarginar i prognosar med opptil 15% og effektivisert datainnsamlingsrutinar.
Spesialisert innan regresjonsanalyse, maskinlæring og kvantitativ forsking, med ein dokumentert evne til å omsetje komplekse data til handlingsretta strategiar. Har publisert fleire interne rapportar som har bidrege til strategiske endringar.
Arbeidserfaring
Senior Statistiker, Fiskeridirektoratet -- Bergen, Noreg
September 2020 – nåverande
-
Leiing av statistiske analysar for fiskeriforvaltninga, inkludert bestandsvurderingar og fangstprognosar, som har bidrege til meir berekraftig ressursutnytting.
-
Utvikla prediktive modellar for å identifisere trendar i fiskebestandar, noko som førte til ei 10% forbetring i nøyaktigheita av kvotefastsetjing.
-
Ansvar for kvalitetssikring av store datasett og utvikling av standardiserte rapportverktøy for intern og ekstern kommunikasjon.
-
Mentor for juniorstatistikarar og bidrog til kompetanseutvikling innanfor avdelinga.
Statistiker/Forskingsassistent, Universitetet i Bergen -- Bergen, Noreg
August 2018 – August 2020
-
Utført statistiske analysar for fleire forskingsprosjekt innanfor samfunnsvitskap og medisin, med fokus på inferens og hypotesetesting.
-
Bidrog til publisering av tre vitskaplege artiklar gjennom grundig datahandsaming og statistisk modellering.
-
Assisterte i undervisning av statistikkurs for studentar på bachelornivå, inkludert rettleiing i bruk av statistikkprogramvare.
Utdanning
Universitetet i Bergen, Mastergrad i Statistikk i Statistikk og dataanalyse -- Bergen, Noreg
August 2016 – Juni 2018
Universitetet i Bergen, Bachelorgrad i Matematikk og økonomi -- Bergen, Noreg
August 2013 – Juni 2016
Ferdigheiter
Statistisk programvare: R, Python (Pandas, NumPy, Scikit-learn), SAS, SPSS, SQL, Excel
Statistiske metodar: Regresjonsanalyse (lineær, logistisk), tidsrekkeanalyse, multivariat analyse, maskinlæring (klassifisering, klynging), Bayesiansk statistikk, hypotesetesting
Datavisualisering: ggplot2, Matplotlib, Seaborn, Tableau, Power BI
Databehandling: Datavasking, datatransformasjon, dataintegrasjon, ETL-prosessar
Språk: Norsk (morsmål), Engelsk (flytande)
