en
Data Engineer
Auf Nachfrage
(Architektur und Bauwesen, 250-500 Mitarbeiter)
Schlagwörter
Skills
Kurzprofil:
Seit mehr als 5 Jahren bin ich als Data Scientist & Data Engineer im universitären und industriellen Umfeld tätig. Zu meinen Projekterfahrungen zählen insbesondere die Planung und Implementierung cloud-basierter End-to-End Daten- und Machine Learning Pipelines. Des weiteren besitze ich fortgeschrittene Kenntnisse in der Recherche, Modellierung und zielgerichteten Evaluierung von forgeschrittenen Machine Learning Ansätzen wie Deep Learning sowie deren Live-Betrieb. Ich habe besondere Kenntnisse in der performanten Verarbeitung großer Mengen an Zeitreihendaten für die vorausschauende Fahrzeug- bzw. Maschinenwartung.
Toolstack (Auswahl):
Python, Spark / Pyspark, Prophet, Git, Tensorflow, Databricks, Numpy, Pandas, SQL, Scipy, Redis, Mlflow, Linux, Docker, Azure Deltalake, Azure Fileshare, Azure BLOB, Azure Storage, ADLS Gen2, Pydantic, Koalas, FastAPI, Keras, Azure DevOps, WSL, Azure Data Factory, Azure Virtual Machines, Flask, AWS S3, Jira, Pytest, Unittest, Kubernetes, Spacy, Fasttext, Beautifulsoup, Confluence, Selenium, Pytorch, Kanban, Plotly Dash, Jupyter Notebook / Lab, Java, C++, Andoid, C#, LateX, MS Office, VS Code.
Ich biete:
Ich arbeite zuverlässig, gewissenhaft, pflichtbewusst und präzise.
Seit mehr als 5 Jahren bin ich als Data Scientist & Data Engineer im universitären und industriellen Umfeld tätig. Zu meinen Projekterfahrungen zählen insbesondere die Planung und Implementierung cloud-basierter End-to-End Daten- und Machine Learning Pipelines. Des weiteren besitze ich fortgeschrittene Kenntnisse in der Recherche, Modellierung und zielgerichteten Evaluierung von forgeschrittenen Machine Learning Ansätzen wie Deep Learning sowie deren Live-Betrieb. Ich habe besondere Kenntnisse in der performanten Verarbeitung großer Mengen an Zeitreihendaten für die vorausschauende Fahrzeug- bzw. Maschinenwartung.
Toolstack (Auswahl):
Python, Spark / Pyspark, Prophet, Git, Tensorflow, Databricks, Numpy, Pandas, SQL, Scipy, Redis, Mlflow, Linux, Docker, Azure Deltalake, Azure Fileshare, Azure BLOB, Azure Storage, ADLS Gen2, Pydantic, Koalas, FastAPI, Keras, Azure DevOps, WSL, Azure Data Factory, Azure Virtual Machines, Flask, AWS S3, Jira, Pytest, Unittest, Kubernetes, Spacy, Fasttext, Beautifulsoup, Confluence, Selenium, Pytorch, Kanban, Plotly Dash, Jupyter Notebook / Lab, Java, C++, Andoid, C#, LateX, MS Office, VS Code.
Ich biete:
- Implementierung komplexer ETL Pipelines
- Fortgeschrittene Datenanalysen & Visualisierung
- Requirements Engineering datengetriebener Produkte
- Finden und Entwickeln von Usecase- sowie Businesscases für die datengetriebene Wertschöpfung
- Recherche, Implementierung, Evaluierung, Deployment und Qualitätssicherung von Machine Learning Modellen
- Design, Implementierung und Wartung von End-to-End Data- und Machinne Learning Pipelines
- Projektplanung & Dokumentation
- Transparente und klare Kommunikation
- Umsetzung von DevOps Prinzipien
- Flexible Beauftragungsmodelle inkl. erfolgsbasierte Vergütung
Ich arbeite zuverlässig, gewissenhaft, pflichtbewusst und präzise.
Projekthistorie
12/2022
-
bis jetzt
- Strategische Planung, Wartung und Betrieb bestehender Datenstrecken von Rohdatenbeständen bis hin zur Anzeige in Dashboards
- Weiterentwicklung, Qualitätssicherung und Reimplementierung bestehender ETL-Strecken bezüglich Datenqualität
- Erweiterung und Wartung von Datenbanken
- Etablierung von DevOps und DataOps Workflows zur automatisierten Bereitstellung von Datenbanken und Software-Modulen sowie deren Implementierung und Inbetriebnahme
- Schulung von Mitarbeitern und Knowledge Transfer
- Wissenstransfer bzgl. CI/CD-Prinzipien und des generellen Umgangs mit Daten
- Verschlankung bestehender Software Entwicklungs Prozesse
- Verbesserung bzw. Redesign von Teilen der bestehnden Dateninfrastruktur
- Unterstützung bei der strukturierten Abwägung strategischer Entscheidungen für zukünftige Software-Architekturen mit besonderem Fokus auf langfristige Stabilität, Wartbarkeit und laufende Qualitätssicherung
01/2023
-
03/2023
Data Scientist
Auf Nachfrage
(Automobil und Fahrzeugbau, 1000-5000 Mitarbeiter)
- Planung von Machine Learning Pipelines von Entwicklung bis hin zum Deployment auf Steuergeräten
- Sicherstellung langfristiger Wartbarkeit
- Beratung zur Implementierung von Qualitätssicherungsmechanismen
- Sicherstellung der Modellqualität unter Berücksichtigung spezieller plattformbedingter Performance-Drifts
- Exploration und Priorisierung von Modellierungsansätzen für die Entwicklung von Machine Learning Algorithmen zur vorausschauenden Wartung bzw. Verschleiß-Modellierung
- Beratung bei der Planung von Big Data Architekturen
04/2022
-
06/2022
Senior Data Manager / Sterward
Auf Nachfrage
(Industrie und Maschinenbau, >10.000 Mitarbeiter)
- Data lineage automation
- Implementation of data lineage automation solutions
- Lean process management
- Risk analysis
- Projekt requirement analysis
01/2022
-
03/2022
Data Scientist / Data Engineer
Auf Nachfrage
(Automobil und Fahrzeugbau, 1000-5000 Mitarbeiter)
- Entwicklung von Machine Learning Ansätzen zur Präzisierung von Qualitätskontrollen in der Produktion
- Implementierung von ETL Pipelines
- Migration großer Sensordaten-Bestände aus einem Legacy-System in eine skalierbare Datenpipeline
- Entwicklung von speziellen Evaluations Methoden zur Gütebewertung der entwickelten Machine Learning Modellen und deren Anwendung auf Felddaten
- Usecase Entwicklung zur Datengetriebenen Wertschöpfung
- Coaching
10/2021
-
12/2021
Machine Learning Engineer
Auf Nachfrage
(Versicherungen, >10.000 Mitarbeiter)
- Entwicklung von Machine Learning Modellen
- Natural Language Processing
- Name Entity Recognition
- Word Concept Mining
- Verbesserung von bestehenden Machine Learning Modellen
- Migration of data to an Azure Cosmos-DB NoSQL Database
- Evaluierung von Machine Learning Modellen
- Machine learning operations
03/2021
-
09/2021
Data Scientist
Auf Nachfrage
(Industrie und Maschinenbau, 50-250 Mitarbeiter)
- Beratung und Entwicklung von Strategien zur Etablierung einer datengetriebenen Wertschöpfungskette
- Planung einer langfristigen Dateninfrastruktur für Sensordaten
- Erstellung dynamischer Visualisierungen
- Erstellung von Konzepten zur Umsetzung zukünftiger Usecases
- Erster Machbarkeitsstudien in Form von Prototypen
- Entwicklung eines Machine Learning Algorithmus zur vollautomatischen Sensor-Lokalisierung basierend auf Bluetooth-Echo-Signaturen
01/2019
-
12/2020
Data Scientist / Machine Learning Engineer
Auf Nachfrage
(Automobil und Fahrzeugbau, 1000-5000 Mitarbeiter)
- Recherche, Implementierung und Evaluierung von Machine Learning Modellen
- Konzeptionierung, Implementierung und Testing von Datenpipelines zur Aufbereitung und Nutzbarmachung von Datenquellen
- Technische Planung, Entwicklung und Koordination von Machine Learning Projekten im Bereich der Prädiktiven Fahrzeugwartung
- Inbetriebnahme bzw. Deployment von Machine Learning Modellen in Live-Systemen
- Projekt- und Kundenakquise, Indentifikation von Use Cases, Aufwandschätzung und Angebotserstellung
- Datenexploration und -Analyse, Projektdokumentation und Reporting
- Kommunikation und Koordination von Schnittstellen in Projekten zwischen Auftraggebern, interen Teams und externen Dienstleistern
- Durchführung von Fachvorträgen in Expertengremien
02/2018
-
11/2018
Data Scientist
Auf Nachfrage
(Industrie und Maschinenbau, < 10 Mitarbeiter)
- Aufbau einer Dateninfrastruktur zur Fernwartung von Reifensensordaten
- Extraktion, Bereinigung und Aggregation von Sensordaten aus Legacy-Systemen
- Überführung von Sensordaten in eine modernere Infrastruktur
- Explorative Datenanalysen und statistische Ursachenforschung zu Sensorausfällen
- Entwicklung eines Monitoring-Systems zur Überwachung von Reifenzuständen für verschiedene Stakeholder wie Flottenmanager oder Wartungstechniker
01/2018
-
03/2018
Data Analyst
Auf Nachfrage
(Internet und Informationstechnologie, 10-50 Mitarbeiter)
- Entwicklung einer prototypischen Datenpipeline zur Datenaufbereitung und Feature-Extraktion
- Durchführung von Sanity-Checks
- Analyse von Kundenpräferenzen
- Customer-Segmentation
- Vorhersage von Customer-Churn
- Gezielte (datengetriebene) Unterstützung des Sales-Teams zur Kundenpflege
Reisebereitschaft
Weltweit verfügbar
Ich bin reisebereit. Für die meisten Tätigkeiten bevorzuge ich Remotarbeit und einee Auslastung von 80-100%.
