فاطمه حسینی

• تلفن: +98 912 345 6789
• ایمیل: fatemeh.hosseini@email.com
• موقعیت: تهران، ایران
• LinkedIn: fatemeh-hosseini-stats

خلاصه

شش سال سابقه در طراحی و پیاده‌سازی مدل‌های آماری پیشرفته برای حل مسائل کسب‌وکار و بهبود فرآیندهای تصمیم‌گیری. توانمند در استفاده از تکنیک‌های یادگیری ماشین و تحلیل رگرسیون برای کشف الگوهای پنهان در مجموعه‌داده‌های بزرگ.

متخصص در ارائه داده‌کاوی به ذینفعان غیرفنی و توسعه داشبوردهای تعاملی برای پایش شاخص‌های کلیدی عملکرد (KPIs). تجربه اثبات شده در افزایش کارایی عملیاتی و شناسایی فرصت‌های رشد از طریق تحلیل‌های آماری دقیق.

سوابق کاری

آمارشناس ارشد, گروه داده‌کاوی پارس -- تهران، ایران

مارس 2020 – حال

• رهبری تیم تحلیل داده در پروژه‌های متنوع، از جمله مدل‌سازی پیش‌بینی تقاضا که منجر به کاهش ۱۵ درصدی موجودی انبار شد.

• توسعه و اعتباربخشی مدل‌های رگرسیون لجستیک برای پیش‌بینی ریزش مشتریان، که دقت پیش‌بینی را تا ۲۰% بهبود بخشید.

• طراحی و اجرای آزمایش‌های A/B برای بهینه‌سازی کمپین‌های بازاریابی دیجیتال، با افزایش ۷ درصدی نرخ تبدیل.

• ارائه نتایج تحلیل‌های پیچیده به مدیران ارشد از طریق گزارش‌ها و ارائه‌های واضح و مختصر.

آمارشناس, شرکت مشاوره آماری فراداده -- تهران، ایران

سپتامبر 2018 – فوریه 2020

• انجام تحلیل‌های آماری برای پروژه‌های تحقیقاتی مختلف در حوزه‌های سلامت و مالی با استفاده از نرم‌افزارهای R و Python.

• پاکسازی و آماده‌سازی مجموعه‌داده‌های بزرگ (بیش از ۱ میلیون رکورد) برای تحلیل‌های آماری.

• مشارکت در توسعه داشبوردهای BI برای پایش عملکرد محصول، که دسترسی به داده‌ها را برای تیم‌های محصول بهبود بخشید.

تحلیلگر داده (کارآموزی), بانک ملی ایران -- تهران، ایران

ژوئن 2017 – سپتامبر 2017

• کمک به تحلیل داده‌های تراکنش مشتریان برای شناسایی الگوهای کلاهبرداری احتمالی.

• جمع‌آوری و سازماندهی داده‌ها برای گزارش‌های فصلی و سالانه.

• آشنایی با ابزارهای تحلیل داده و پایگاه‌های اطلاعاتی در محیط بانکی.

تحصیلات

دانشگاه تهران, کارشناسی ارشد در آمار ریاضی -- تهران، ایران

سپتامبر 2016 – سپتامبر 2018

دانشگاه صنعتی شریف, کارشناسی در آمار -- تهران، ایران

سپتامبر 2012 – سپتامبر 2016

مهارت‌ها

نرم‌افزارهای آماری و برنامه‌نویسی: R, Python (Pandas, NumPy, Scikit-learn), SQL, SPSS, SAS, Excel

مدل‌سازی آماری: رگرسیون خطی و لجستیک، سری‌های زمانی، مدل‌های خطی تعمیم‌یافته (GLM), تحلیل خوشه‌ای، تحلیل مؤلفه‌های اصلی (PCA)

یادگیری ماشین: درخت تصمیم، جنگل تصادفی، ماشین‌های بردار پشتیبان (SVM), شبکه‌های عصبی پایه، K-نزدیکترین همسایه (KNN)

تجسم داده: Tableau, Power BI, ggplot2 (R), Matplotlib (Python), Seaborn (Python)

مهارت‌های دیگر: طراحی آزمایش (DOE), استنباط آماری، تحلیل بقا، آمار ناپارامتریک، ارتباطات داده