Ronan Doorley，爱尔兰都柏林的开发者
Ronan is available for hire
Hire Ronan

Ronan Doorley

Verified Expert  in Engineering

Regression Developer

Location
Dublin, Ireland
Toptal Member Since
December 4, 2018

Ronan在Python数据科学和机器学习方面有几年的经验, R, and MATLAB. 他热衷于开发人类行为和复杂系统的验证模型. Currently, 他在麻省理工学院媒体实验室的城市科学小组工作，在那里他开发了个人行为的预测模型，比如活动安排, location choices, and modes of transportation.

Machine LearningMATLABPython 3NumPySciPyPandasProbabilistic Graphical ModelsRFlaskNetworkXPySparkBokehMySQLJupyterGit

Availability

Part-time

Preferred Environment

GitHub, Jupyter, Spyder, Anaconda, MacOS

The most amazing...

...我开发的模型根据城市规划模拟人口，并预测他们的日常活动时间表和每次活动的交通方式.

Work Experience

Mobility Modeling Engineer

2016 - PRESENT
MIT Media Lab
  • 利用调查数据校准的贝叶斯网络和随机森林模型级联，为城市模拟中的代理开发人工智能.
  • Built a Bayesian network model in Python for generating traffic predictions in the country of Andorra; it was based on a combination of cell phone records and traffic counter data.
  • 还使用Web Sockets和Mapbox GL创建了交通项目的前端可视化.
  • 在R中建立了一个泊松过程模型，以城市物理特征为基础解释城市社会活动密集集群的形成.
  • 部署了Python Flask API，该API使用预先校准的离散选择logit模型来预测迁移模式，以响应描述土地使用变化的输入.
  • 使用应用程序使用的时空数据在Python中开发离散选择模型，以描述人们如何选择访问哪些设施.
  • 在Python Keras中实现神经网络，基于谷歌街景图像为城市活力建模代理指标.
Technologies: 贝叶斯网络工具箱(BNT)，随机森林，分析，分类，Scikit-learn, Flask, Python

Doctoral Researcher | Teaching Assistant

2013 - 2016
Trinity College Dublin
  • 开发了一个数学框架，用于量化在城市环境中步行和骑自行车作为交通工具的好处和风险.
  • 在Arduino平台上设计并搭建了一个移动污染传感节点，用它来表征都柏林的行人和骑自行车的人对各种污染物的暴露情况.
  • 在MATLAB中构建了一个博弈论模型，描述人们如何随着自行车基础设施的变化而改变他们的交通行为.
  • 在MATLAB中创建了遗传算法来寻找循环网络的最优设计, 考虑到预期的行为反应和由此产生的健康和环境影响.
技术:Arduino, R, Python, MATLAB

Analyst

2010 - 2011
Accenture
  • 为金融部门的客户创建功能设计和测试web应用程序.
  • 与客户资源密切合作，确定并记录他们在数据捕获等方面的需求, system functionality, pricing, risk acceptance criteria, automatic document generation, and more.
  • 使用Axure开发产品原型，并领导大约10名开发人员的团队在这些原型的基础上构建功能齐全的web应用程序.
  • 在开发过程中对产品进行了彻底的测试，主要使用自动测试脚本.
Technologies: Selenium, Axure

CityScope MoCho

http://www.media.mit.edu/projects/mobcho/overview/
该项目提供了一种工具，使城市规划者和社区成员能够与城市区域的物理模型互动，并了解不同的城市设计如何影响交通模式.

我构建了一个Flask应用程序，它可以从API读取区域设计状态，并使用离散选择logit模型来预测旅行模式的变化以及在区域层面上产生的环境影响. 分析结果通过Flask API公开.

Reversed Urbanism

该项目开发了一个回归模型来解释和预测密集的城市活动集群在哪里形成, 基于该地区的物理特征. 我首先分析了定位电信数据, 是在安道尔获得的吗, 确定以其大小为特征的活动簇, persistence, and diversity. 然后，我用R语言建立了一个lasso正则化多元线性回归模型，以确定这些集群的形成与各种离散城市特征之间的关联.

安道尔的动态交通预测:贝叶斯网络方法

http://www.media.mit.edu/projects/traffic-andorra/overview/
In this project, 我用Python建立了一个贝叶斯网络，根据地理定位的电信数据和一小部分交通统计样本，预测安道尔的出行和交通拥堵情况.

Languages

Python 3, R, Python, JavaScript, HTML, c++

Libraries/APIs

Scikit-learn, NumPy, SciPy, Pandas, Matplotlib, Mapbox GL, NetworkX, PySpark, D3.js, Leaflet, jQuery, Keras

Tools

MATLAB, Spyder, GitHub, Bayes Net Toolbox (BNT)， Jupyter, Git

Other

Machine Learning, Research, Statistics, Regression, Classification, Software Development, Probability Theory, Probabilistic Graphical Models, Neural Networks, Axure, Analysis, Bokeh, WebSockets, HTTP, Ajax, Experimental Design, Random Forests

Frameworks

Flask, Selenium, RStudio Shiny

Paradigms

REST, Data Science

Platforms

MacOS, Anaconda, Arduino

Storage

MySQL

2016 - 2017

Fulbright Scholar in City Science

麻省理工学院(MIT - Cambridge, MA, USA

2013 - 2016

土木，结构和环境工程博士学位

都柏林圣三一学院-爱尔兰都柏林

2006 - 2010

机械工程学士学位

都柏林圣三一学院-爱尔兰都柏林

SEPTEMBER 2015 - PRESENT

大规模数据操作:系统和算法(MOOC)

University of Washington via Coursera

JULY 2014 - PRESENT

The Data Scientist's Toolbox (MOOC)

Johns Hopkins University via Coursera

JULY 2014 - PRESENT

Statistical Inference (MOOC)

Johns Hopkins University via Coursera