Aufbau einer Lakehouse-Architektur

KWS Saat SE & Co. KGaA

Entwicklung einer Datenarchitektur für die Migration genomischer Datenbanken von Oracle zu einem Data Lakehouse auf AWS und Databricks
Evaluierung von Apache Iceberg und Delta Lake als Speicherformate
Implementierung von PySpark und .NET/Spark Anwendungen zur Migration, Synchronisierung und Nutzung der Daten
Entwicklung von ETL-Prozessen zur Aufsetzung einer Medallion Architektur
Optimierung der Lakehouse Architektur für synchronen und hoch performanten Datenzugriff
Weiterbildung des Softwareteams für die Nutzung von Databricks und Spark
Unterstützung der Stakeholder bei der reibungslosen Migration von Geschäftsabläufen in die neue Datenarchitektur
Verwendete Tools: AWS, Databricks, Docker, C#, .NET, Python, SQL, Spark, Apache Iceberg, Delta Lake, Visual Studio, Git, Azure DevOps, Scrum

AWS-Dozent

TechPionier

Durchführung von Vorlesungen und Übungen im Rahmen des AWS Restart Programms zur Zertifizierung von IT-Quereinsteigern zum AWS Cloud Practitioner und AWS Solutions Architect
Aufbau einer Data Science & KI Schulung
Aufbau einer Data Analytics & Power BI Schulung
Schulungsinhalte: AWS-Services (S3, EC2, VPC, IAM, CloudTrail, RDS, Redshift, Aurora, DynamoDB, ElastiCache, EBS, EFS, CLI, Systems Manager, Elastic Beanstalk, ECR, ECS, EKS, Fargate, Athena, OpenSearch, QuickSight, Glue, Flink, Kafka, Kinesis, SageMaker, Elastic Load Balancer, EC2 Auto-Scaling, Route 53, API-Gateway, KMS, Cognito, CloudFront, Lambda, SNS, SQS, Gateways, CloudWatch, CloudFormation), Linux, Python und SQL

Entwicklung eines Large Language Modells mit Q&A Webapp

Wirtschaftsprüfung, Steuern und Recht

Training eines Large Language Modells zur Zusammenfassung von individuellen Textdokumenten und Steuertexten
Aufteilung eines Textdokuments in Chunks, Erstellung von Embeddings, Abspeicherung in einer Vektor-Datenbank und Nutzung des LLMs mit LangChain
Entwicklung einer Webapp mit Streamlit, auf welcher Nutzer Textdokumente hochladen und Fragen zum Inhalt des Dokuments formulieren können
Nutzung des Large Language Modells zur Beantwortung von Fragen zu Textdokumenten
Verwendete Tools: Python, OpenAI, LangChain, Pinecone, ChromaDB, Streamlit

Data Engineer & Scientist

Datalytics GmbH

Entwicklung einer KI zur Ähnlichkeitsanalyse von Produkten im Einkauf bei einem Automobilhersteller, Einsparungspotenzial: > 100 Mio. € p. a.
Durchführung von Data Assessments zur Empfehlung von individuellen Datenarchitekturen entsprechend den Unternehmensanforderungen
Entwicklung von Cloud-Architekturen in Azure
Implementierung von Algorithmen sowie einem Dashboard zur Analyse der fahrspezifischen Daten und Elektrifizierungspotenziale von LKWs
Bildung eines Prädiktionsmodells und Identifizierung von Einflussfaktoren auf die Bewerbungsanzahl für Stellen auf einer Jobbörse

Verwendete Tools: Python, SQL, Keras, TensorFlow, Scikit-learn, Plotly, Dash, Seaborn, Matplotlib, PyMongo, Apache Spark, OpenAI, Langchain, Pinecone, Docker, Heroku, Fastapi, Streamlit, Git, Visual Studio, PyCharm, Jupyter, Microsoft Power BI, MongoDB, Oracle, AWS S3, AWS EC2, Azure Data Factory, Azure Synapse, Azure SQL DB, Azure Cosmos DB, Azure Functions, Azure DevOps, Microsoft Fabric, Databricks, Jira, Confluence

Data Scientist

IAM Global GmbH

Entwicklung eines Systems zur Personalvermittlung, welches mithilfe von künstlicher Intelligenz und psychologischen Modellen möglichst passende Vakanzen für einen Kandidaten findet

Datenbereinigung und Import von Stellenausschreibungen
Programmierung eines intelligenten Algorithmus zur Auswahl der optimalen Kontaktdaten für eine offene Stelle
Implementierung von Webcrawlern für Kandidatenprofile auf LinkedIn und Xing
Entwicklung von Machine Learning Modellen zur automatischen Identifizierung passender Vakanzen für einen Kandidaten
Erstellung einer R Shiny Wep App zur statistischen Auswertung psychologischer Daten
Mustererkennung und Implementierung psychologischer Modelle
Erstellung eines Python-Dashboards für die Marktanalyse mit Geo-Heatmaps, Zeitreihenanalyse und ML-Prognosen
Analyse gesendeter E-Mails und Webhooks zur Optimierung der Antwortrate
Entwicklung von KI-Modellen zur Vorhersage der Request- und Blacklist-Wahrscheinlichkeiten vor der Präsentation eines Kandidaten bei einem Unternehmen

Verwendete Tools: Python, Scikit-learn, R, R Shiny App, Plotly, Dash, PyMongo, MongoDB, Mongo Atlas, AWS, RStudio, Jupyter, Git, Linux, Heroku, Jira

Werkstudent Data Science

INSO Projects GmbH

Implementierung von Feature-Selection-Algorithmen zur Identifizierung von Preistreibern
Analyse des Quote-to-Cash-Prozesses zur Optimierung des Supply Chain Managements
Anwendung von NLP-Techniken zur E-Mail-Analyse
Entwicklung eines Machine Learning Modells zur automatischen Extraktion von Signaturen aus E-Mails
Analyse und Auswertung von Finanzbuchhaltungsdaten

Verwendete Tools: Python, SQL, Scikit-learn, Matplotlib, Seaborn, Jupyter, Git, SSMS, Microsoft Power BI, Hadoop

Ausbildung zum Mathematisch-technischen Softwareentwickler

Cybernetics Lab IMA & IfU - RWTH Aachen University

Entwicklung einer Webplattform zur Fabrikplanung

Implementierung eines Java-Backends mit Spring und Hibernate
Verwaltung der SQL-Datenbank
Entwicklung und Optimierung von Datenmodellen
Auswertung, Erstellung und Datenmigration in NoSQL-Datenbanken zur Leistungssteigerung (MongoDB, Neo4j)
Einrichtung automatisierter JUnit-Tests
Implementierung und Anbindung eines Python-Backends für Deep Learning mit Tensorflow

Entwicklung einer Desktop-Anwendung zur Finanz- & Personalverwaltung

Implementierung vom Backend und Frontend für eine Desktop-Anwendung mit C# und WPF
Verwaltung der SQL-Datenbank
Datenmigration aus einer SAP-Datenbank

Verwendete Tools: Python, Java, C#, WPF, SQL, Spring, Hibernate, JUnit, TensorFlow, Git, MongoDB, Neo4j, Intellij, Visual Studio, MySQL Workbench, Postman

Data Scientist, Data Engineer, AI/ML Engineer

Profilanlagen

Skills

Erfahrung

Sprachen

Projekthistorie