Akhil M.

I gained (hands on experience) during my Research Project in Switzerland for a reputed insurance company. I worked on a self-devised model to predict the options to be sold to customers based on historic purchase behaviour of past customers. Generated classes that had the highest frequency of being purchased together. Also predicted the classes that can be recommended to specific customers using state of the art machine learning algorithm like, extreme gradient boosted decision tree approach, neural network, collaborated filtering and generalized linear models. Processed the raw data, processed feature engineering and modelled the bundles and predictive model Ich habe während meines Forschungsprojekts in der Schweiz für eine renommierte Versicherungsgesellschaft praktische Erfahrungen gesammelt. Ich habe an einem selbst entwickelten Modell gearbeitet, um die Optionen, die an Kunden verkauft werden sollen, basierend auf dem historischen Kaufverhalten früherer Kunden vorherzusagen. Generierte Klassen, die die höchste Häufigkeit hatten, gemeinsam gekauft zu werden. Außerdem wurden die Klassen vorhergesagt, die bestimmten Kunden empfohlen werden können, die den neuesten maschinellen Lernalgorithmus verwenden, wie z.B. extreme gradient boosted decision tree approach, neural network, collaborated filtering und generalisierte lineare Modelle. Verarbeitung der Rohdaten, Verarbeitung des Feature Engineering und Modellierung der Bundles und des prädiktiven Modells.

Social Media Monitoring: Performed analysis on a pool of user-generated content to understand mood, emotions and awareness related to a topic Recognition of Pattern Identified Entities: Processed unstructured data and features discerned via regular expression or other pattern matches Sentiment Analysis: Involved in discerning subjective material and extracting various forms of attitudinal information: sentiment, opinion, mood, and emotion ........................................ Social Media Überwachung: Durchgeführte Analyse eines Pools von benutzergenerierten Inhalten, um Stimmung, Emotionen und Bewusstsein im Zusammenhang mit einem Thema zu verstehen. Erkennung von musteridentifizierten Entitäten: Verarbeitete unstrukturierte Daten und Merkmale, die anhand von regulären Ausdrücken oder anderen Musterübereinstimmungen erkannt werden. Stimmungsanalyse: Beteiligt an der Analyse von subjektivem Material und der Extraktion verschiedener Formen von Einstellungsinformationen: Gefühl, Meinung, Stimmung und Emotion