Diventerò big data engineer per hadoop, spark, pyspark, java, scala, machine learning
Senior Data Engineer e Data Scientist
Informazioni su questo servizio
Hai bisogno di un Big Data Engineer esperto per gestire pipeline di dati complesse, analisi o modelli predittivi? Sei nel posto giusto!
Con oltre 15 anni di esperienza in data engineering, analytics e sviluppo software, porto una profonda competenza nelle tecnologie Big Data, Machine Learning e piattaforme cloud (AWS, Azure, GCP).
Servizi che offro:
- Soluzioni Big Data usando Hadoop, Spark, PySpark, Hive, Pig, HBase
- Pipeline ETL con SSIS, Talend, Airflow
- Streaming di dati in tempo reale con Kafka, Flume, Logstash
- Sviluppo di data warehouse (schema Star/Snowflake, SSAS, SSRS)
- Machine Learning & Deep Learning (Scikit-learn, TensorFlow, Keras, NLP, CNNs)
- Modelli predittivi (Classificazione, Regressione, Sistemi di raccomandazione)
- Data engineering basato su cloud (Azure Data Factory, AWS EMR, GCP BigQuery)
- Visualizzazione con Power BI, Tableau
Strumenti & Tecnologie:
Spark, Hadoop, Hive, Pig, Kafka, Flume, PySpark, Java, Scala, Python, SSIS, SQL Server, Azure, AWS, GCP, Power BI, Tableau, TensorFlow, Keras
Perché scegliermi?
- Certificato Microsoft & Oracle (MCSE, OCP, MCSD)
- Oltre 8 anni nell'ecosistema Hadoop
- Più di 25 progetti reali di big data/ML consegnati
- Comunicazione e consegna affidabili e rapide
Il mio portfolio
FAQ
Traduzione automatica.
Di quali informazioni hai bisogno da me per iniziare?
Per iniziare, avrò bisogno di accesso alle tue fonti di dati (o dati di esempio), una breve descrizione dei tuoi obiettivi di business e eventuali requisiti specifici come il formato di output previsto (ad esempio dashboard, report CSV, endpoint API). Per progetti di grandi dimensioni, si consiglia una breve chiamata di scoperta.
Lavori con dati live/di produzione?
Sì, ho una vasta esperienza nella creazione e gestione di pipeline di dati di livello produzione. Tuttavia, consiglio sempre di iniziare con un ambiente di staging o campione per convalidare la logica prima di passare alla piena implementazione in produzione.

