Πτυχιούχος Μαθηματικός ΑΠΘ με Πιστοποίηση Παιδαγωγικής Επάρκειας — διδάσκω μαθηματικά με τάξη και υπομονή, και αναλύω δεδομένα με Python με την ίδια λογική: αναζητώ πρότυπα και καταλήγω σε συμπεράσματα που στηρίζονται, όχι σε εντυπώσεις.
Αποφοίτησα από το Τμήμα Μαθηματικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης τον Απρίλιο του 2026, με βαθμό πτυχίου 7.20 («Λίαν Καλώς») και ολοκληρωμένα 240 ECTS. Στη διάρκεια των σπουδών μου εμβάθυνα ιδιαίτερα σε Θεωρία Πιθανοτήτων, Στατιστική, Στοχαστικές Διαδικασίες και Στοχαστικές Μεθόδους στα Χρηματοοικονομικά (βαθμός 10) — το θεωρητικό υπόβαθρο που στηρίζει σήμερα τη δουλειά μου στην ανάλυση δεδομένων.
Παράλληλα, απέκτησα Πιστοποίηση Παιδαγωγικής και Διδακτικής Επάρκειας, κάτι που με βάζει στη διπλή θέση: μπορώ να αναλύω δεδομένα και να εξηγώ σύνθετες έννοιες με τρόπο κατανοητό — χρήσιμο τόσο σε ρόλους ανάλυσης όσο και σε διδασκαλία/φροντιστήρια.
Συνέχισα με την πιστοποίηση «Python for Data Analytics» (DeepLearning.AI, μέσω Coursera) και έκτοτε δουλεύω σε πραγματικά datasets — από Amazon reviews μέχρι HR attrition — εφαρμόζοντας Python, Pandas και exploratory data analysis σε ερωτήματα με επιχειρηματική αξία.
Ο συνδυασμός μαθηματικής αυστηρότητας με πρακτικά εργαλεία ανάλυσης δεδομένων.
Pandas, NumPy — καθαρισμός, μετασχηματισμός και διερευνητική ανάλυση δεδομένων.
Διαγράμματα που αναδεικνύουν πρότυπα, συσχετίσεις και outliers σε datasets.
Δομημένη, αναπαραγώγιμη ανάλυση από το ερώτημα μέχρι το συμπέρασμα.
Θεωρία Πιθανοτήτων Ι & ΙΙ, Στατιστική, Στοχαστικές Διαδικασίες (ΑΠΘ).
Στοχαστικές Μέθοδοι στα Χρηματοοικονομικά & Στοχαστικές Επιχειρησιακές Έρευνες.
Ικανότητα ανάλυσης & εξήγησης σύνθετων εννοιών σε μαθητές/ομάδες.
Οκτώ ολοκληρωμένα data analysis projects — από στατιστική & ανάλυση κινδύνου μέχρι exploratory data analysis, από ερώτημα μέχρι επιχειρηματική σύσταση.
Ανάλυση πάνω από 500.000 συναλλαγών λιανικής για τον υπολογισμό της αξίας ζωής πελάτη (CLV) — συχνότητα αγορών, μέση αξία παραγγελίας, έσοδα ανά πελάτη/χώρα/προϊόν, με στόχο στρατηγικές διατήρησης πελατών.
Τα έσοδα συγκεντρώνονται σε μικρή ομάδα πελατών · συχνότητα αγοράς = ισχυρότερος δείκτης CLVΣτατιστική ανάλυση ιστορικών τιμών για πάνω από 500 μετοχές (600.000+ παρατηρήσεις) — υπολογισμός daily returns, μεταβλητότητας (volatility) και risk-adjusted απόδοσης, για διαφορετικά επενδυτικά προφίλ.
Θετική αλλά μη τέλεια σχέση ρίσκου-απόδοσης · NVIDIA με την υψηλότερη συνολική απόδοσηΑνάλυση οικονομικών & προσωπικών χαρακτηριστικών δανειοληπτών για τον εντοπισμό παραγόντων κινδύνου αθέτησης δανείου — εισόδημα, ιστορικό απασχόλησης, ποσό & επιτόκιο δανείου, βαθμολογία πιστοληπτικής ικανότητας.
Το εισόδημα είναι ο ισχυρότερος προγνωστικός παράγοντας · η ηλικία έχει ελάχιστη επίδρασηΑνάλυση 32.409 καθαρισμένων δανειακών εγγραφών για τον εντοπισμό παραγόντων αθέτησης, την ποσοτικοποίηση της έκθεσης χαρτοφυλακίου και την κατασκευή προσαρμοσμένου πλαισίου βαθμολόγησης κινδύνου δανειολήπτη.
Risk_Score με ισχυρή προγνωστική ισχύ · 4.5% αθέτηση σε Low Risk έναντι 53.7% σε Critical RiskΑνάλυση επανεισαγωγών ασθενών με διαβήτη με στόχο τον εντοπισμό παραγόντων που επηρεάζουν τη χρήση υπηρεσιών υγείας, τον κίνδυνο ασθενή και τα ποσοστά επανεισαγωγής, μέσω feature engineering και risk segmentation.
Ο διαβήτης έχει το υψηλότερο ποσοστό επανεισαγωγής · ασθενείς 70–80 ετών = μεγαλύτερος πληθυσμός Critical-RiskΑνάλυση 27.000 εγγραφών εμπορικών πτήσεων για τον εντοπισμό λειτουργικών αναποτελεσματικοτήτων, την αξιολόγηση απόδοσης αερογραμμών και την κατανόηση της συμπεριφοράς καθυστερήσεων, με ανάπτυξη custom KPI λειτουργικής απόδοσης.
Οι καθυστερήσεις αναχώρησης επηρεάζουν ισχυρά τις καθυστερήσεις άφιξης · η συμφόρηση αεροδρομίων παίζει καθοριστικό ρόλοEnd-to-end ανάλυση εφοδιαστικής αλυσίδας για την αξιολόγηση λειτουργικής αποδοτικότητας — διαχείριση αποθεμάτων, απόδοση προμηθευτών, logistics, μεταφορές και οικονομική απόδοση.
Η κερδοφορία διαφέρει σημαντικά ανά κατηγορία προϊόντος · η επιλογή μεταφορέα εμπεριέχει trade-off κόστους-ποιότηταςΑνάλυση επιχειρηματικής απόδοσης του dataset Global Superstore με στόχο τον εντοπισμό των βασικών παραγόντων πωλήσεων, κερδοφορίας, απόδοσης πελατών και προϊόντων σε πολλαπλές διεθνείς αγορές.
Οι πωλήσεις συγκεντρώνονται σε λίγες χώρες · αρκετά προϊόντα δημιουργούν σταθερά ζημιές παρά τον όγκο πωλήσεωνΑν ψάχνεις κάποιον που συνδυάζει μαθηματική σκέψη, ανάλυση δεδομένων σε Python και ικανότητα να εξηγεί καθαρά — ας μιλήσουμε.