27.04.2026 aktualisiert
100 % verfügbar
Expert Data Science | Fraud Detection | Credit Risk
Staudt, Deutschland
Weltweit
Promotion zum Dr. rer. pol. (summa cum laude), Universitaet Duisburg-EssenÜber mich
Mathematiker mit quantitativer Promotion in Operatios Research. Aktuell Data Scientist im Bereich Betrug und Credit Risk.
Skills
EntscheidungsanalyseBetrugspräventionPythonLineare OptimierungMachine LearningMathematische ModellierungMathematische OptimierungGitLabpandasScikit-learn
Machine Learning & Predictive Modeling
Entwicklung und Überwachung von Machine-Learning-Modellen zur Antragspruefung (Credit Risk & Fraud Detection) unter Einsatz von Algorithmen wie XGBoost, CatBoost und LightGBM sowie automatisierter Zeitreihenanalyse
Operations Research & Quantitative Optimierung
Anwendung von Methoden des Operations Research, insbesondere mehrkriterielle Entscheidungsunterstuetzung (MCDA/MCDM) und quantitative Optimierungsmodelle, zur Lösung betriebswirtschaftlicher Entscheidungsprobleme unter Zielkonflikten.
Python-Programmierung & Datenanalyse
Umfangreiche Kenntnisse in Python mit Bibliotheken wie gurobipy, polars, pandas, scikit-learn, XGBoost, CatBoost, LightGBM, bokeh und Jupyter sowie in R fuer statistische Analysen und datengetriebene Entscheidungsprozesse.
Softwareentwicklung & Versionskontrolle
Kenntnisse in Git, Gitlab mit CI/CD, Docker, Linux, Visual Studio Code und PyCharm für die professionelle Softwareentwicklung und kollaborative Projektarbeit.
Datenbankmanagement
Erfahrung mit relationalen Datenbanksystemen wie SQL-Server und MySQL.
MCDA-Methoden & Decision Support Systems
Entwicklung webbasierter Expertensysteme (z.B. PROMETHEE-Cloud) zur Unterstützung mehrkriterieller Entscheidungsprozesse sowie Anwendung von PROMETHEE und weiteren MCDA-Verfahren in Forschung und Praxis.
Wissenschaftliches Publizieren & Peer-Review
Veröffentlichungen in internationalen Fachzeitschriften wie dem European Journal of Operational Research, EURO Journal on Decision Processes und Journal of Multi-Criteria Decision Analysis sowie regelmaessige Begutachtungstaetigkeit (Peer-Review) für das EJOR.
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Transfer von Forschung in die Praxis: Entwicklung praeskriptiver Entscheidungsmodelle fuer Credit Risk und Fraud Detection unter Nutzung von Machine Learning (XGBoost, CatBoost, LightGBM), quantitativer Optimierung und automatisierter Zeitreihenanalyse. Elternzeit von 10/2025 bis 11/2025 und 1/2026.
Forschung zu Reihenfolgeplanung und mehrkriterieller Entscheidungsunterstuetzung. Drittmittelaktivitaeten: Projektbearbeitung SustEnergyPort und OERContent.nrw. Mitwirkung an EU- und DFG-Antragstellungen sowie fuer LehrLernInnovationen. Elternzeit von 12/2022 bis 06/2023.
Entwicklung einer ML-basierten Pipeline zur Peptid-Auswahl fuer die Impfstoffforschung. Anwendung von MCDA-Verfahren (PROMETHEE). Vorbereitung von Patenten und Publikationen.