Czym zajmuje się Data Scientist? Jak wygląda proces budowania modeli danych? Jak klasyczne i bayesowskie metody statystyczne pozwalają nam odpowiedzieć na pytanie “dlaczego”? Czym różni się korelacja od kauzacji i jak estymować efekty różnego rodzaju zmian, nawet gdy nie możemy przeprowadzić testów AB?  Odpowiedzi na te pytania znajdziecie w najnowszym podcascie, którego gościem jest Julia Bluszcz.

Julia jest absolwentką magisterskich studiów na wydziale statystyki na uniwersytecie im. Humboldtów w Berlinie. Swoje doświadczenie zawodowe zbierała w firmach Nethone i Omni:us, gdzie zajmowała się m.in. detekcją transakcji fraudowych, wizualizacją danych biznesowych czy organizacją konferencji Machine Intelligence Summit poświęconej tematyce sztucznej inteligencji. Jej zainteresowania naukowe obejmują uczenie maszynowe, wizualizację danych oraz ekonometrię. Obecnie Julia pracuje jako Senior Data Scientist w Allegro, gdzie zajmuje się forecastingiem i analizą zachowań zakupowych użytkowników platformy.

What does a Data Scientist do? What is the process of building a machine learning model like? How classical and bayesian statistical methods allow us to answer the fundamental question “why”? What is the difference between correlation and causation and how can we  estimate various types of treatment effects if we cannot conduct an AB test? You can find answers to these questions in our newest podcast with special guest, Julia Bluszcz.

Julia holds degrees in statistics and quantitative methods in economics from the Humboldt University in Berlin and Warsaw School of Economics. She has gathered work experience in tech start-ups Nethone and Omni:us where she worked on fraud detection in credit card transactions and organized tech-related events, e.g. Machine Intelligence Summit in Berlin. Her scientific interests include machine learning, data visualization, and econometrics. Julia works as a Senior Data Scientist at Allegro, where she specializes in forecasting and analysing consumer buying behavior.