09.11.2026 aktualisiert


100 % verfügbar
Data Analyst & Data Scientist | Statistik | Empirische Forschung | Machine Learning
Potsdam, Deutschland
Potsdam +50 km
M.A. BildungswissenschaftenÜber mich
Ich verbinde empirische Forschung mit Datenanalyse, Data Science und Machine Learning. Als Bildungswissenschaftler (M.A.) unterstütze ich Sie dabei, Daten sorgfältig auszuwerten und Ergebnisse verständlich nutzbar zu machen – remote sowie im Raum Berlin/Potsdam.
Skills
ForschungAnalytische VerfahrenData AnalysisDatenprüfungDatenbereinigungData TransformationData MiningDatenqualitätDaten-VirtualisierungDatenvisualisierungBildungsevaluationEmpirische ForschungGitHubIBM SPSSPython
Datenanalyse, Statistik & Data Science
Ich unterstütze den gesamten Analyseprozess: von der Klärung der Fragestellung über Datenaufbereitung und Methodenwahl bis zur Auswertung und verständlichen Ergebnisdarstellung. Mein Hintergrund liegt in der empirischen Bildungs- und Sozialforschung. Ergänzend bringe ich praktische Projekterfahrung in Python und Machine Learning mit.
R / RStudio
Sehr gute Kenntnisse aus Studium, Forschung und eigenen Analysen. Schwerpunkte sind Datenbereinigung, Transformation, deskriptive Statistik, Hypothesenprüfung, Regressions- und Mehrebenenmodelle sowie Visualisierung. Erfahrung mit fehlenden Werten und multipler Imputation sowie der nachvollziehbaren Dokumentation von Auswertungsschritten.
Python & Datenaufbereitung
Praktische Projekterfahrung mit pandas, NumPy, Matplotlib und Jupyter. Import, Prüfung, Bereinigung und Zusammenführung von Daten; explorative Datenanalyse und Entwicklung geeigneter Merkmale. Strukturierung wiederverwendbarer Analyseschritte und Aufbereitung von Ergebnissen für die weitere Nutzung.
Machine Learning
Projekterfahrung mit scikit-learn in Klassifikation, Regression und Clustering. Anwendung unter anderem von logistischer Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines und K-Means. Erfahrung mit Skalierung, Encoding, PCA, Feature Selection, Kreuzvalidierung und Hyperparameteroptimierung. Modellvergleich anhand geeigneter Metriken und Prüfung von Entscheidungsschwellen bei Klassifikationsaufgaben.
Statistische Analyse & Evaluation
Auswertung von Befragungs- und Forschungsdaten, Prüfung von Hypothesen und Interpretation statistischer Modelle. Besonderes Augenmerk auf Datenqualität, methodische Annahmen und Grenzen der Aussagekraft. Ergebnisse bereite ich für wissenschaftliche und praxisbezogene Zielgruppen verständlich auf.
Visualisierung & Analyseprototypen
Erstellung von Grafiken, Tabellen und Ergebnisberichten. Entwicklung interaktiver Streamlit-Anwendungen zur Datensichtung und Ergebnisdarstellung. Im Portfolio-Projekt LearnerCue habe ich Datenaufbereitung, ML-Modellierung und eine zweisprachige Anwendung zu einem durchgängigen Analyseworkflow verbunden.
SPSS & Microsoft Excel
Gute SPSS-Kenntnisse für Datenaufbereitung und statistische Auswertungen. Sehr gute Excel-Kenntnisse zur Strukturierung, Prüfung und Auswertung tabellarischer Daten.
SQL / SQLite & Git / GitHub
Grundkenntnisse in SQL und SQLite für Datenbankabfragen. Einsatz von Git und GitHub zur Versionskontrolle sowie zur Dokumentation und Bereitstellung eigener Projekte.
Arbeitsweise
Sorgfältige Datenprüfung, nachvollziehbare Analysen und klare Abstimmung zu Ziel, Umfang und Ergebnis. Verfahren wähle ich passend zur Fragestellung und Datengrundlage aus.
Erfahrung
Berufserfahrung0 - 5 Jahre
Freelancer seit2026
Sprachen
DeutschMutterspracheEnglischgut
Projekthistorie
Aufbau der freiberuflichen Tätigkeit mit den Schwerpunkten Datenanalyse, statistische Auswertung, Data Science und methodische Beratung.
Durchgängigen Analyseworkflow umgesetzt: Datenaufbereitung, Merkmalsentwicklung, Modellvergleich und interaktive zweisprachige Streamlit-Anwendung. Bildungsdaten aus OULAD zur modellgestützten Priorisierung wöchentlicher Prüflisten für Coaches verarbeitet. Technologien: Python, pandas, scikit-learn, Streamlit, Git/GitHub.
Klassifikation zu Kundenabwanderung und Mitarbeiterfluktuation; Kundensegmentierung mit K-Means und Hauptkomponentenanalyse (PCA). Modellvergleich, Hyperparameteroptimierung und Bewertung anhand geeigneter Metriken.