# Giulia Ferrari

Headline: Data Scientist | Machine Learning e Analytics

- Email: giulia.ferrari@example.it
- Phone: +39 347 123 4567
- URL: https://www.giuliaferrari-data.it

Località: Via Giovanni Battista Pirelli 18, Milano, Lombardia, Italia, 20124

Profili: 
- LinkedIn: [@giulia-ferrari-data](https://www.linkedin.com/in/giulia-ferrari-data)
- GitHub: [@giuliaferrari](https://github.com/giuliaferrari)
- Stack Overflow: [@giulia-ferrari](https://stackoverflow.com/users/1234567/giulia-ferrari)

## Informazioni personali

Data Scientist con oltre 7 anni di esperienza nella progettazione di modelli predittivi e soluzioni analitiche per i settori energia, bancario e pagamenti digitali.

- Esperienza end-to-end: dalla raccolta dei requisiti alla messa in produzione e al monitoraggio di modelli.
- Solida base statistica e di apprendimento automatico, con attenzione alla validazione, all'interpretabilità e all'impatto di business.
- Capacità di comunicare risultati complessi a stakeholder tecnici e non tecnici, in italiano e in inglese.
- Approccio collaborativo, mentoria di junior e forte orientamento alla qualità del dato.


## Formazione

### Università degli Studi di Milano-Bicocca

Laurea magistrale, Data Science, Punteggio: 110/110 e lode, set 2015–lug 2017

URL: https://www.unimib.it

Corsi: Statistica Computazionale, Apprendimento Automatico, Basi di Dati e Data Warehousing, Analisi delle Serie Temporali, Data Mining, Visualizzazione dei Dati, Metodi Bayesiani, Etica e Governance dei Dati

Summary: 
- Formazione avanzata in statistica, machine learning e gestione di grandi volumi di dati.
- Sviluppo di progetti applicativi con Python, R e SQL su casi reali di previsione e segmentazione.
- Particolare attenzione alla validazione dei modelli, alla comunicazione dei risultati e all'impatto organizzativo.


### Università degli Studi di Milano

Laurea triennale, Statistica e Informatica, Punteggio: 108/110, set 2012–lug 2015

URL: https://www.unimi.it

Corsi: Statistica Descrittiva, Probabilità e Inferenza, Programmazione in Python, Basi di Dati Relazionali, Analisi Esplorativa dei Dati, Metodi di Campionamento

Summary: 
- Solide basi quantitativa e informatica per l'analisi dei dati.
- Esperienza pratica con dataset reali, pulizia dei dati e reportistica statistica.


## Esperienza professionale

### Data Scientist Senior

Nexi Digital, mar 2022–Presente

URL: https://www.nexi.it

Parole chiave: Modelli predittivi, MLOps, Customer Analytics, Leadership tecnica

Summary: 
- Guido un team di 4 data scientist nello sviluppo di modelli predittivi per il rilevamento delle frodi e la personalizzazione delle offerte.
- Progettato e implementato pipeline MLOps su AWS per l'addestramento, il versionamento e il monitoraggio continuo dei modelli.
- Ridotto del 18% i falsi positivi nel sistema antifrode migliorando le regole di validazione e l'interpretabilità dei modelli.
- Collaborato con product manager, ingegneri e team compliance per tradurre requisiti di business in soluzioni dati misurabili.
- Mentorato due junior data scientist e promosso pratiche di code review e documentazione tecnica.


### Data Scientist

Enel X, gen 2019–feb 2022

URL: https://www.enelx.com/it/it

Parole chiave: Previsione della domanda, Customer Analytics, Test A/B, Airflow

Summary: 
- Sviluppato modelli di previsione della domanda energetica a livello giornaliero e orario, con riduzione dell'errore MAPE dal 12% all'8%.
- Realizzato segmentazioni clienti tramite clustering e analisi di sopravvivenza per campagne di retention mirate.
- Automatizzato la reportistica mensile con Airflow e Power BI, riducendo il tempo di preparazione da 3 giorni a 4 ore.
- Condotto test A/B e analisi causali per valutare l'impatto delle iniziative commerciali.


### Analista Dati

UniCredit, set 2017–gen 2019

URL: https://www.unicredit.it

Parole chiave: Rischio di credito, SQL, Dashboard, Statistica

Summary: 
- Analizzato portafogli creditizi e costruito dashboard per il monitoraggio degli indicatori di rischio.
- Sviluppato modelli statistici per la previsione di insolvenza e la valutazione del merito creditizio.
- Pulito e integrato dati provenienti da fonti eterogenee, migliorando la qualità e la coerenza delle analisi.
- Presentato risultati periodici ai team risk e business con report chiari e visualizzazioni efficaci.


## Lingue

- Italiano: Madrelingua o bilingue, Parole chiave: Madrelingua
- Inglese: Competenza professionale completa, Parole chiave: IELTS 8.0, C1
- Francese: Competenza professionale limitata, Parole chiave: DELF B1

## Competenze

- Apprendimento Automatico: Esperto, Parole chiave: Python, scikit-learn, TensorFlow, PyTorch, XGBoost
- Ingegneria dei Dati: Avanzato, Parole chiave: SQL, Spark, Airflow, dbt, Databricks
- Statistica Applicata: Esperto, Parole chiave: Test A/B, Inferenza causale, Serie temporali, Analisi di sopravvivenza
- Visualizzazione dei Dati: Avanzato, Parole chiave: Power BI, Tableau, Looker, Plotly, Streamlit
- Cloud e MLOps: Avanzato, Parole chiave: AWS, Azure, Docker, Kubernetes, MLflow
- Comunicazione dei Risultati: Avanzato, Parole chiave: Narrazione dei dati, Presentazioni executive, Documentazione tecnica, Facilitazione workshop

## Premi

### Premio Innovazione Dati 2023

Associazione Italiana per l'Intelligenza Artificiale, giu 2023

Summary: 
Riconoscimento per il progetto "Previsione della Domanda Energetica", selezionato tra le migliori applicazioni di intelligenza artificiale in ambito utilities.

### Borsa di Studio per Merito

Università degli Studi di Milano-Bicocca, ott 2016

Summary: 
Borsa di studio assegnata per eccellenza accademica durante il corso di laurea magistrale in Data Science.


## Certificazioni

### Google Professional Data Engineer

Google Cloud, mag 2021

URL: https://cloud.google.com/certification/data-engineer
### AWS Certified Machine Learning – Specialty

Amazon Web Services, nov 2020

URL: https://aws.amazon.com/certification/
### Microsoft Certified: Azure Data Scientist Associate

Microsoft, set 2022

URL: https://learn.microsoft.com/en-us/certifications/azure-data-scientist/

## Pubblicazioni

### Modelli predittivi per la manutenzione di reti elettriche intelligenti

Rivista Italiana di Statistica Applicata, dic 2022

URL: https://doi.org/10.1234/risa.2022.12.004

Summary: 
- Confronto tra modelli di serie temporali e apprendimento supervisionato per la manutenzione predittiva.
- Analisi dell'impatto delle variabili meteo e di carico sulla probabilità di guasto.


### Segmentazione dei clienti tramite apprendimento non supervisionato

Atti della Conferenza Italiana di Data Science, set 2021

URL: https://doi.org/10.5678/cids.2021.09.012

Summary: 
- Applicazione di clustering e riduzione della dimensionalità a dati di consumo energetico.
- Valutazione della stabilità dei segmenti e delle implicazioni per campagne di marketing.


## Progetti

### Previsione della Domanda Energetica

Sistema di previsione della domanda energetica per un'azienda utilities, con modelli a livello giornaliero e orario., mar 2021–dic 2021

URL: https://github.com/giuliaferrari/energy-demand-forecast

Parole chiave: Serie temporali, Prophet, XGBoost, Airflow, Dashboard

Summary: 
- Costruito pipeline di feature engineering con dati storici, meteo e calendario.
- Confrontato Prophet, XGBoost e LSTM; selezionato il modello con il miglior errore in validazione temporale.
- Pubblicato dashboard interattiva per il monitoraggio delle previsioni e degli scostamenti.


### Analisi della Soddisfazione Clienti

Analisi di recensioni e sondaggi per identificare i fattori chiave della soddisfazione clienti., giu 2020–nov 2020

URL: https://github.com/giuliaferrari/customer-satisfaction

Parole chiave: NLP, Topic modeling, Sentiment analysis, Power BI

Summary: 
- Applicato NLP per estrarre topic e sentiment da recensioni in italiano.
- Integrato i risultati con dati transazionali per stimare l'impatto sulla soddisfazione.
- Presentato insight actionable al team customer experience.


## Interessi

- Sport: Corsa, Sci, Yoga
- Musica: Pianoforte, Jazz
- Divulgazione: Mentoraggio, Open data, Scrittura tecnica

## Volontariato

### Dati per il Bene Comune

Mentor Data Science, gen 2020–giu 2024

URL: https://www.datiperilbenecomune.it

Summary: 
- Supportato associazioni no profit nella definizione di indicatori e dashboard per misurare l'impatto sociale.
- Tenuto laboratori introduttivi su Python, analisi dati e visualizzazione per volontari e studenti.
- Contribuito alla pubblicazione di dataset aperti e linee guida per la qualità del dato.
