Abdulla Muaz

Abdulla Muaz ist ein Datenwissenschaftler mit über 12 Jahren Erfahrung, der sich auf die Kombination von Software-Engineering und Datenwissenschaft spezialisiert hat, um wirkungsvolle Lösungen bereitzustellen, insbesondere in Branchen, die auf Wettervorhersagen und In-situ-Messungen angewiesen sind. Seine Kernkompetenz liegt in der Anwendung von KI und maschinellem Lernen auf reale Szenarien, um den Wert für meteorologische Dienste und andere datengesteuerte Branchen zu steigern.

Muaz hat einen Master of Science in Data Science und Business Analytics von der Asia Pacific University of Technology & Innovation und einen Bachelor of Science in Informationstechnologie und Software Engineering von der Middlesex University, Großbritannien. Zu seinem beruflichen Werdegang gehört eine führende Rolle beim Meteorologischen Dienst der Malediven, wo er die Entwicklung integrierter Klima- und meteorologischer Entscheidungsunterstützungssysteme leitete.

Derzeit konzentriert sich Muaz als Datenwissenschaftler bei TempoQuest auf die Entwicklung modernster Tools, wie etwa des Forecast Verification Tool (FVT), das die Prozesse zur Überprüfung von Wettervorhersagen verbessern soll. Er leitet außerdem Schlüsselprojekte, die darauf abzielen, KI/ML-Techniken zur Verbesserung der Entscheidungsfindung in verschiedenen Sektoren zu nutzen, und verfügt über Kenntnisse in Cloud Computing, Deep Learning und Automatisierungstools wie Docker und AWS.

Muaz‘ technische Kompetenz umfasst Python, SQL, TensorFlow, PyTorch und Cloud-Dienste und macht ihn zu einem wichtigen Aktivposten bei der Implementierung KI/ML-gesteuerter Lösungen für komplexe meteorologische und klimatische Herausforderungen.