Profilbild von Anonymes Profil, Data Scientist
verfügbar

Letztes Update: 30.08.2022

Data Scientist

Abschluss: Master of Science (MsC) Verfahrenstechnik, Technische Universität Hamburg
Stunden-/Tagessatz: anzeigen
Sprachkenntnisse: deutsch (Muttersprache) | englisch (verhandlungssicher)

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:
  • 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
Eingesetzte Technologien: Python, Jupyter Notebook, Scikit-learn

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)
Eingesetzte Technologien: Python, Jupyter Notebook, Scikit-learn, Scikit-image, Keras, Tensorflow

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
Technologien: Python, Jupyter Notebook, Pandas, Keras, Tensorflow, Scikit-learn

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)
Eingesetzte Technologien: Python, Jupyter Notebook, Pandas, Scikit-learn
 

Reisebereitschaft

Verfügbar in den Ländern Deutschland, Österreich und Schweiz
Reisebereitschaft vorhanden

Sonstige Angaben

Haftpflichtversicherung vorhanden
Profilbild von Anonymes Profil, Data Scientist Data Scientist
Registrieren