30.12.2025 aktualisiert
100 % verfügbar
Data Scientist | Data Engineer | Data Analyst | Python Developer
Köln, Deutschland
Weltweit
Master of Science EconomicsSkills
JavaAPIsKünstliche IntelligenzAlgorithmusAmazon Web ServicesAmazon Elastic Compute CloudData AnalysisComputer VisionAtlassian ConfluenceAtlassian JiraAutomobilindustrieCloud ComputingClusteranalyseContinuous IntegrationInformation Engineering
Bisherige Projektrollen: Data Scientist, Data Engineer, Data Analyst
Programmiersprachen: Python, Java, Pyspark, R, SQL
Auszug regelmäßig verwendeter Python-Pakete: pandas, numpy, pytest, attrs, tensorflow, keras, pytorch, opencv, pyodbc, sklearn, matplotlib, seaborn, flask, scipy, nltk, multiprocessing, dask, pyspark
Data Science Fähigkeiten:
Bio: Ich bin Data Scientist mit einem starken Hintergrund in Datenanalyse und -engineering. Meine praktische Erfahrung reicht von der Erstellung von ML-Pipelines in der Produktion (On-Premises und Cloud-native). Darüber hinaus habe ich Datenworkflows in folgenden Branchen analysiert und verbessert: Automobil, Banken, Robotik, Energie, Telekommunikation, FMCG.
Formale Ausbildung: Mein Bildungshintergrund mit einem M.Sc. in Economics, spezialisiert auf Ökonometrie, gibt mir eine starke theoretische mathematische Grundlage für die statistischen Methoden, die in Data Science und KI-Methoden verwendet werden.
Zertifizierungen:
Programmiersprachen: Python, Java, Pyspark, R, SQL
Auszug regelmäßig verwendeter Python-Pakete: pandas, numpy, pytest, attrs, tensorflow, keras, pytorch, opencv, pyodbc, sklearn, matplotlib, seaborn, flask, scipy, nltk, multiprocessing, dask, pyspark
Data Science Fähigkeiten:
- Deep Learning (NLP mit BERT-Modellen, CNNs: SqueezeNet, YOLO, GANs, ResNet, NST, Autoencoder)
- Nicht-Deep-Learning-Maschinelles Lernen: Random Forests, logistische/lineare Regression, Clustering-Algorithmen
- Datenvisualisierung: Power BI, Tableau, matplotlib, seaborn, ggplot
- Merkmalextraktion: PCA, Methoden zur Merkmalsauswahl (entropiebasiert, modellbasiert, korrelationsbasiert)
- Datenengineering: Talend Open Studio, Cloudera Data Science Workbench, Apache Oozie, Apache, AWS Glue, KNIME
- Datenbanken: MongoDB, Postgres, Oracle, MSSQL, Neo4J, Apache Airflow
- Amazon Web Services (EC2, S3, Elastic Beanstalk, ECS, ElastiCache, RDS, SQS, Kinesis, CloudFront, KMS, Lambda, CloudWatch)
- Azure (Azure Data Factory, Azure Synapse, Azure Functions, Storage Gen2, AutoML, EventHub)
Bio: Ich bin Data Scientist mit einem starken Hintergrund in Datenanalyse und -engineering. Meine praktische Erfahrung reicht von der Erstellung von ML-Pipelines in der Produktion (On-Premises und Cloud-native). Darüber hinaus habe ich Datenworkflows in folgenden Branchen analysiert und verbessert: Automobil, Banken, Robotik, Energie, Telekommunikation, FMCG.
Formale Ausbildung: Mein Bildungshintergrund mit einem M.Sc. in Economics, spezialisiert auf Ökonometrie, gibt mir eine starke theoretische mathematische Grundlage für die statistischen Methoden, die in Data Science und KI-Methoden verwendet werden.
Zertifizierungen:
- AWS Certified Solutions Architect
- Azure Data Engineer Associate
- Azure Data Administrator Expert
- Professional Scrum Master von Scrum.org
- Professional Product Owner von Scrum.org
- Certified Celonis Data Engineer / Data Analyst
- Databricks Data Engineer Associate
- IBM Data Science Professional
- IREB Requirements Engineering
Erfahrung
Berufserfahrung5 - 10 Jahre
Freelancer seit2023
Sprachen
DeutschMutterspracheEnglischverhandlungssicherSpanischGrundkenntnisseKurdischMuttersprache
Projekthistorie
Kunde im Flugbetrieb - Projekt: CRM Altsystem - Microsoft Dynamics CRM
Rolle: Senior Cloud Data Engineer / Senior Solution Architect
04/2024- heute
- Design und Aufbau der Databricks-Plattform: Konzeption und Aufbau einer Databricks-Architektur zur Verarbeitung und Analyse aller CRM-relevanten Daten. Dies umfasste die Einrichtung von Workspaces, Cluster-Konfigurationen, Delta Lake-Strukturen sowie die Automatisierung von Pipelines mit Notebooks und Workflows. Zudem war der Fokus auf der Erstellung eines Data Quality Frameworks.
- End-to-End-Datenmigration in Databricks und ADF: Extraktion und Transformation großer Datenmengen aus Altsystemen (u.a. CRM, ERP) und Überführung in eine standardisierte und kuratierte Datenstruktur in Delta-Format. Dabei kamen Azure Data Factory, Mount Points, sowie Bronze-Silver-Gold-Layering zum Einsatz. Entwicklung dabei eines Testing Frameworks zur Validierung.
- Schnittstellenanalyse & Integration: Integration externer Datenquellen via JDBC, REST APIs und Event-Streaming in Databricks. Analyse der Datenflüsse und Umsetzung von robusten, wiederverwendbaren Ladeprozessen – inkl. Logging, Error Handling und Reprocessing-Strategien.
- Stakeholder-Kommunikation & Enablement: Enge Zusammenarbeit mit internen Fachbereichen, Data Engineers und Data Scientists zur Definition der Anforderungen. Aufbau einer Schulungsreihe zur Nutzung von Databricks Notebooks, Delta Lake und CI/CD-Prozessen in der Datenverarbeitung.
Dozent an der Hochschule Albstadt Sigmaringen
Dozent | Freiberuflich im Lehramt
10/2022 - Today
Dozent | Freiberuflich im Lehramt
10/2022 - Today
- Entwicklung des Lehrplans und der Vorlesungsmaterialien: Erarbeitung eines detaillierten Lehrplans, der theoretische Konzepte und praktische Anwendungen von Azure umfasst. Dies beinhaltete die Vorbereitung von Vorlesungsmaterialien, die die neuesten Entwicklungen und Best Practices in der Cloud-Technologie abdeckten.
- Durchführung von Praxisprojekten: Anleitung der Studierenden bei der Entwicklung einer Customer Data Platform. Dieses Projekt umfasste die Sammlung von Daten aus einem Webshop, deren Verarbeitung über Azure Data Factory und das Streaming via Azure Event Hub.
- Aufbau und Management der Infrastruktur: Konfiguration und Management der notwendigen Azure-Ressourcen mithilfe von Terraform, um die verschiedenen Umgebungen für das Projekt bereitzustellen und zu verwalten. Dies förderte das Verständnis der Studierenden für DevOps-Praktiken in der Cloud.
- Erstellung von Übungsmaterialien und Bewertung der Studierenden: Entwicklung von Übungen, die die Anwendung des in den Vorlesungen vermittelten Wissens vertieften. Zudem Übernahme der Bewertung der Projekte und Leistungen der Studierenden.
- Förderung der analytischen Fähigkeiten und des technischen Verständnisses: Unterstützung der Studierenden bei der Analyse und Interpretation von Daten, um deren Fähigkeit zur Problemlösung und Entscheidungsfindung in realen Business-Szenarien zu stärken.
Kunde im Bankenwesen - Projekt: Migration Datenstrukturen von DWH Lösung
Rolle: Senior Data Engineer / Data Analyst
04/2023- 03/2024
Kunde im Bankenwesen - Projekt: BOT Orchestrator
Rolle: Senior Python Developer | Senior Daten Analyst
10/2022 - 03/2023
Rolle: Senior Business Analyst | Senior Technical Consultant
10/2021 - 11/2022
Kunde im Telekommunikation - Projekt: Customer Journey Log
Rolle: Senior Data Engineer
12/2020 - 07/2022
Rolle: Senior Data Engineer / Data Analyst
04/2023- 03/2024
- Daten-Selektion und -Verarbeitung mit Python: Entwicklung von Python-Skripten zur Selektion und Verarbeitung großer Datenmengen, einschließlich der Implementierung von Datenbereinigungs- und Transformationsprozessen.
- Serverumzug und Linux-Systemmanagement: Mitwirkung bei der Planung und Durchführung des Umzugs von Servern auf Linux-Basis, einschließlich der Sicherstellung von Betriebssicherheit und Datenintegrität während des Transfers.
- Migration und Refactoring von SAS zu Python: Umwandlung bestehender SAS-Codes in Python, um eine verbesserte Skalierbarkeit und Wartbarkeit zu erreichen, sowie Anpassung an neue Geschäftsanforderungen.
- Entwicklung von Datenbereinigungsskripten: Erstellung von Python / SQL Skripten zur Datenbereinigung, um die Datenqualität und Genauigkeit der analytischen Ergebnisse zu verbessern.
- Dokumentation und Prozessoptimierung: Erstellung detaillierter Dokumentationen für die neuen Prozesse und Systeme sowie kontinuierliche Überwachung und Optimierung zur Gewährleistung einer hohen Systemleistung.
- Azure Cloud-Integration: Implementierung und Management von Azure-Diensten zur Unterstützung der Datenverarbeitung und Analyse. Konfiguration von Azure Data Factory-Pipelines zur Automatisierung des Datenflusses und Integration von Azure SQL Database für skalierbare Datenlagerungslösungen.
Kunde im Bankenwesen - Projekt: BOT Orchestrator
Rolle: Senior Python Developer | Senior Daten Analyst
10/2022 - 03/2023
- Datenbank Bestandsvalidierung innerhalb des Warehouses: Ich führte umfassende Validierungsprozesse durch, um die Integrität und Genauigkeit der Daten in unserem Data Warehouse zu gewährleisten. Diese Validierungen waren entscheidend für die Zuverlässigkeit der Lead Engine.
- Analyse der Prozesse und Integration von Multiprocessing Methoden: Zur Steigerung der Effizienz und Geschwindigkeit der Leadausspielung implementierte ich Multiprocessing-Methoden. Dies verbesserte die Parallelverarbeitung und optimierte die Leistung der Systeme signifikant.
- Konzepterweiterung von Spark als Cluster-Lösung innerhalb der Systemarchitektur: Ich entwickelte ein Konzept zur Nutzung von Apache Spark als Cluster-Lösung, um die Datenverarbeitung zu skalieren und die Verarbeitungsgeschwindigkeit zu erhöhen.
- Stakeholdermanagement und Integration weiterer Features in Sprint-Zyklen: Engagierte Zusammenarbeit mit Stakeholdern zur Identifizierung und Implementierung neuer Funktionen in regelmäßigen Sprint-Zyklen. Diese agile Arbeitsweise ermöglichte eine schnelle Anpassung an sich ändernde Geschäftsanforderungen.
- Konzeption und Erstellung einer Verteillogik, um geeignete Berater für Leads auszuwählen: Ich entwarf eine Logik, die automatisch die passendsten Berater für die jeweiligen Leads ermittelte, basierend auf verschiedenen Kriterien und historischen Leistungsdaten.
- Datenanalyse von ausgespielten Leads und Prüfung der Wertigkeit für Berater im Hinblick auf Business Requirements: Durchführung detaillierter Analysen der Lead-Daten, um deren Wertigkeit zu bewerten und sicherzustellen, dass die Leads den Geschäftsanforderungen entsprechen und effektiv genutzt werden.
Rolle: Senior Business Analyst | Senior Technical Consultant
10/2021 - 11/2022
- Automatisierung und Datenintegration über Azure Synapse: Implementierung von Datenflüssen und deren Automatisierung zur effizienten Analyse und Verarbeitung.
- Integration einer Middleware-Lösung über Azure APIM und Data Factory: Einsatz von Middleware zur Optimierung der Datenzugänglichkeit und -steuerung.
- Vorbereitung und Anlieferung von Dateien auf SAS VA Server und Überführung in SAS Viya Cloud Umgebung: Management der Datenbereitstellung und Migration in Cloud-basierte Analyseumgebungen.
- Durchführung von Workshops: Leitung von Workshops zur Schulung des Teams bezüglich neuer Datenarchitekturen.
- Erstellung von Reports und Dashboards: Entwicklung von Dashboards und Reports, die operative Daten visualisieren.
- Erfassung und Erweiterung von Business Requirements: Analyse von Geschäftsanforderungen und Integration von Datenvalidierungsstandards.
- Datenanalyse und Optimierung von Datenqualitätsanforderungen: Analyse und Verbesserung der Datenqualität zur Unterstützung präziserer Entscheidungsfindungen.
Kunde im Telekommunikation - Projekt: Customer Journey Log
Rolle: Senior Data Engineer
12/2020 - 07/2022
- Datenaufbereitung und -bereinigung: Einsatz von PySpark SQL, Impala und Hive SQL für die Aufbereitung und Bereinigung von Daten, die den Reporting Scrum Teams zur Verfügung gestellt wurden.
- Entwicklung von Data Lake Lösungen: Konzeption und Implementierung von Data Lake Architekturen, die eine effektive Verbindung zu Cloud-Anbietern im Bereich Process Mining ermöglichten, unter Verwendung von Apache-Technologien wie Spark, Hive und Oozie.
- Datenvorbereitung für Grunddatenlagen: Vorbereitung und Strukturierung von Basisdatensätzen zur weiteren Analyse und Verarbeitung.
- Modellierung von mehrschichtigen Datenmodellen: Entwurf und Realisierung von komplexen Datenmodellen, die unter Berücksichtigung von Datenschutzrichtlinien durch Pseudonymisierung transformiert wurden.
- Agiles Projektmanagement: Mitarbeit in einem agilen Scrum-Framework mit einem vollständig remote arbeitenden Team von 8 Mitgliedern, was eine flexible und effiziente Projektdurchführung erforderte.
- Implementierung von Cluster-Einstellungen: Optimierung der Apache Spark Cluster-Konfigurationen zur Automatisierung von Einstellungen, effizientere Ressourcenzuweisung und Datenpartitionierung sowie Korrektur von Datenverzerrungen.