Schlagwörter
Skills
Zeitreihenanalyse, Korrelationsanalyse, Machine Learning / Deep Learning, Visualisierungen, digitale Signalanalyse, Vorhersagemodelle, Agiles Projektmanagement (SCRUM), Leistungselektronik, Regelungstechnik, Strömungsmechanik, chemische Reaktionstechnik, Optionstheorie, SQL, Python, Java, Matlab, PHP, AS3, C, Jupyter Notebook / Lab, Spyder, PyCharm, Pandas, Numpy, Scikit-learn, Keras, Matplotlib, PySpark, MS Office, Adobe CC, OS X, Windows, Linux
Projekthistorie
Topic Clustering und Identification (NLP)
Kunde: Shipping, Hamburg
Projektrolle: Data Scientist
Zeitraum: Feb 2019 – März 2019
Aufgaben:
Proteinklassifikation unter Einsatz von Convolutional Neural Networks
Kunde: Leica Microsystems, Deutschland
Projektrolle: Data Scientist
Zeitraum: Nov 2018 - Jan 2019
Aufgaben:
Entwicklung einer Predictive Maintenance Lösung
Kunde: Konsortium aus europäischen Energieunternehmen
Dauer: Oktober 2018
Aufgaben:
Vorhersage des Treibstoffeinsatzes auf Containerschiffen auf Basis historischer Daten mit Hilfe des Random Forrest Klassifizierungsverfahrens
Kunde: Wärtsilä, Finnland
Projektrolle: Data Scientist
Zeitraum: September 2018
Aufgaben:
Kunde: Shipping, Hamburg
Projektrolle: Data Scientist
Zeitraum: Feb 2019 – März 2019
Aufgaben:
- Aufbereitung von unstrukturierten Texten aus E-Mails und JIRA-Tickets
- Clustering von Themen
- Identifikation von Intents und Entities
- Vorbereitung eines Q&A-Services für einen Chatbot
Proteinklassifikation unter Einsatz von Convolutional Neural Networks
Kunde: Leica Microsystems, Deutschland
Projektrolle: Data Scientist
Zeitraum: Nov 2018 - Jan 2019
Aufgaben:
- Analyse von Bilddaten
- Zellerkennung mit Hilfe von DoG blob detection
- Entwicklung eines Protein-Klassifizierungs-Algorithmus (CNN + deepNN)
Entwicklung einer Predictive Maintenance Lösung
Kunde: Konsortium aus europäischen Energieunternehmen
Dauer: Oktober 2018
Aufgaben:
- Data preparation
- Erstellung von Prognosen mittels eines LSTM Neuronalen Netzwerks und eines Regressionsmodells
- Vorhersage des idealen Wartungszeitpunktes zur Vorbeugung von Ausfällen von Windturbinen
Vorhersage des Treibstoffeinsatzes auf Containerschiffen auf Basis historischer Daten mit Hilfe des Random Forrest Klassifizierungsverfahrens
Kunde: Wärtsilä, Finnland
Projektrolle: Data Scientist
Zeitraum: September 2018
Aufgaben:
- Analyse von Sensordaten
- Bereinigung der Daten und Feature Extraction
- Entwicklung eines Treibstoff-Prognose-Algorithmus (Random Forrest)
Reisebereitschaft
Verfügbar in den Ländern
Deutschland, Österreich und Schweiz
Reisebereitschaft vorhanden
Sonstige Angaben
Haftpflichtversicherung vorhanden