17.11.2026 aktualisiert

**** ******** ****
verifiziert
Premiumkunde
100 % verfügbar

Software / DevSecOps Engineer

Ingolstadt, Deutschland
Nur Remote
Master of Science
Ingolstadt, Deutschland
Nur Remote
Master of Science

Profilanlagen

CV_EN_Tuan_Nguyen_v2.docx
CV_EN_Tuan_Nguyen_Data.docx
CV_DE_Tuan_Nguyen_AWS_Architect.docx
CV_DE_Tuan_Nguyen_Vault.docx
CV_EN_Tuan_Nguyen_v2_GCP_Data_Engineer.docx

Über mich

Software, Data and DevSecOps Engineer with a Master's in Information Systems from Friedrich-Alexander University Erlangen-Nürnberg. Over 14 years of experience.

Skills

Microsoft AzureBig DataData ArchitectureDateninfrastrukturData TransformationDevOpsPythonDataOpsAutomatisierte DatenverarbeitungData ScienceGrafanaInfrastructure as Code (IaC)GitLabData LakeTerraformDaten-PipelineDevSecOpsDatabricks
Programming Languages: Python, Java, Scala, C# / .NET, SQL
Backend & Web Frameworks: ASP.NET Core, Spring Boot, Flask, FastAPI, Django
Cloud: Microsoft Azure (App Service, DevOps, Functions, Data Factory, Data Lake Gen2, Log Analytics, Monitoring), AWS (EC2, Serverless, S3, Lambda, Aurora Serverless)
Containers & Orchestration: Docker, Kubernetes, k3s, Helm Charts
CI/CD & Infrastructure as Code: Azure DevOps, GitHub Actions, GitLab CI/CD, Jenkins, Terraform, Maven, Gradle
DevSecOps & Quality: Automated testing in CI/CD (unit, integration), dependency scanning, security scanning, OAuth2-based API security, Pytest, JUnit
Observability & Monitoring: Grafana, Prometheus, OpenTelemetry, Elasticsearch, Kibana, New Relic, Azure Monitor / Log Analytics
Data Engineering & Platforms: Databricks, Spark, Collibra, Data360, dbt, Airbyte, Fivetran, HDFS, Hive, Impala, Hadoop, Cloudera, Hue, Zeppelin, Tableau
AI / Machine Learning: scikit-learn, Natural Language Toolkit, OpenCV, TensorFlow, Keras, NumPy, pandas, matplotlib, OpenAI
AI-Assisted Development: GitHub Copilot, AI coding agents
Databases: MySQL, Oracle, PostgreSQL, MongoDB
Collaboration / Delivery: Agile delivery, Jira, Confluence

Erfahrung

Berufserfahrungmehr als 10 Jahre
Freelancer seit2020

Sprachen

DeutschMutterspracheEnglischverhandlungssicher

Projekthistorie

Data Engineer

The Quality Group GmbH

Konsumgüter und Handel

5000-10.000 Mitarbeiter

Als Teil des Data-Teams bei The Quality Group habe ich zum Aufbau einer modernen, skalierbaren Datenplattform auf Databricks beigetragen und damit belastbare Datenprodukte und KPI-basierte Analysen für Marketing, Influencer, E-Commerce und operative Geschäftsbereiche ermöglicht.

Data Platform & Architektur
  • Design und Implementierung skalierbarer Data Pipelines und Datenprodukte auf Databricks auf Basis einer mehrschichtigen Data-Warehouse-Architektur
ELT & Data Integration
  • Entwicklung von ELT-Pipelines mit Python, dbt, Databricks SQL, Airbyte und Fivetran
  • Design und Implementierung von Integrationen mit externen SaaS-Plattformen und Datensystemen
Data Modeling & Analytics Engineering
  • Umsetzung fachlich orientierter Datenmodelle, KPI-Frameworks und Historisierung
  • Bereitstellung von Data Marts für Stakeholder
Data Quality Engineering
  • Aufbau automatisierter Validierungen, Test-Frameworks und Datenqualitätskontrollen zur Sicherstellung verlässlicher Daten
DevSecOps & Engineering Standards
  • Entwicklung von CI/CD-Pipelines und automatisierten Deployment-Workflows
  • Etablierung von Engineering-Standards
Skills: AWS · Databricks · dbt · Python · SQL · Databricks SQL · Spark · Airbyte · Fivetran · GitHub · GitHub Actions · JSON · REST APIs

Data & DevSecOps & Software Engineer

Elia Group

Energie, Wasser und Umwelt

1000-5000 Mitarbeiter

Als Teil des data team bei 50Hertz habe ich zur Modernisierung des unternehmensweiten Data-Catalog- und Data-Quality-Ökosystems beigetragen und damit ein skalierbares Metadatenmanagement über eine hybride (Cloud + On-Prem) Datenplattform ermöglicht.

Microservices & Architektur:
Transformation von Legacy-Monolithen in eine modulare Microservices-Architektur zur Verbesserung von Skalierbarkeit, Resilienz und Deployment-Agilität.
Data Catalog & Integration:
Aufbau und Optimierung von Metadaten-Ingestion-Pipelines sowie API-Integrationen mit Data360; Unterstützung von Migrationsstrategien zu neuen Kataloglösungen (z. B. Collibra).
Data Quality Engineering:
Design eines entkoppelten Data Quality Frameworks (DQF) auf Databricks, das die kontinuierliche Ausführung von Datenqualitätsprüfungen unabhängig von der Verfügbarkeit des Katalogs sicherstellt.
DevOps & Hybrid Platform Engineering:
Aufbau von CI/CD-Pipelines sowie Evaluierung von Deployment-Strategien für Collibra Edge in hybriden Setups (k3s On-Prem vs. Kubernetes-Cluster) unter Berücksichtigung von Konnektivitäts- und Infrastruktur-Constraints.
DevSecOps & API-Security:
Stärkung der API-Sicherheit durch Umstellung von manueller Token-Verwaltung auf OAuth2-basierte Authentifizierung. Durchführung von Penetrationstests.

Skills: Azure, Python, Java, GitHub, Azure DevOps, ASP.NET Core, Databricks, Data360, Collibra, Kubernetes, k3s, Docker, Pentesting, Microsoft EntraID

Data Engineer / DevOps Engineer

KARL STORZ SE & Co. KG

Pharma und Medizintechnik

  • Entwurf der Systemarchitektur der Datenplattform.
  • Vergleich von On-Premises- vs. Cloud-Lösungen sowie verschiedene Cloud-Optionen, einschließlich Hybrid- vs. vollständige Cloud, AWS vs. Azure.
  • Einrichtung der CI/CD-Pipeline, automatisierter Unit-/Integrationstests und Bereitstellung.
  • Analyse und Entwurf der Datenarchitektur.
  • Einrichtung des Netzwerkmanagements und der Netzwerksicherheit.
  • Anforderungsanalyse mit verschiedenen Stakeholdern.

Systemumgebung: Power BI, Azure Data Factory,  Databricks, Azure Data
Lake Gen2, Azure Functions, GitHub Actions, Python, Flask, Azure
Machine Learning, Linux, Azure DevOps

DevSecOps Engineer

Volkswagen AG

Automobil und Fahrzeugbau

>10.000 Mitarbeiter

  • Einrichtung der CI/CD-Pipeline, automatisierter Unit-/Integrationstests und Bereitstellung mit Azure und GitHub Actions.
  • Integration kontinuierlicher Sicherheits-Scans und Schwachstellenberichte in den Softwareentwicklungsprozess.
  • Festlegung der Softwarearchitektur.
  • Vorbereitung der Anwendungen für die Cloud unter Verwendung von Azure Functions.
  • Anforderungsanalyse mit verschiedenen Stakeholdern.
  • Automatisierte Bereitstellung der Infrastruktur mit Terraform.

Systemumgebung: Bandit, Swagger, Pylint, SQL, Excel VBA, Makros, Terraform, Azure
Functions, Azure, GitHub Enterprise, Python, Flask, CI / CD, Pytest,
Unit test, Linux, PowerShell, Jira, Confluence, REST-API, Azure
DevOps

Data Engineer, DevOps Engineer

Deutsche Börse AG

Banken und Finanzdienstleistungen

5000-10.000 Mitarbeiter

  • Verwaltung und Bereitstellung von Anwendungen unter Verwendung verschiedener Datenorchestratoren.
  • Verwaltung des Hadoop Data Lakes.
  • Migration von Teilen der bestehenden Control-M-Workflows zu Airflow/Dagster für bessere Modularität und Beobachtbarkeit.
  • Analyse von Airflow vs. Dagster als neuer Datenorchestrator.
  • Entwurf und Implementierung von dbt-Core-Transformationen für Finanzdaten zur Verbesserung der Konsistenz und analytischen Leistung.
  • Optimierung der AWS-Redshift-Nutzung für die Speicherung und Abfrage großskaliger Marktdaten.
  • Einrichtung der Cloudera-On-Premises-Pipeline mit CI/CD, automatisierten Unit-/Integrationstests und Bereitstellung.
  • Festlegung der Softwarearchitektur.
  • Implementierung von Spark-Jobs.
  • Vorbereitung der Anwendungen für die Cloud unter Verwendung von Kubernetes und Docker.
  • Einrichtung von Echtzeit-Streaming-Datenpipelines mit Kafka/AWS Kinesis für erweiterte Analysen.
  • Anforderungsanalyse mit verschiedenen Stakeholdern.

Systemumgebung: SQL, AWS Athena, AWS Glue, AWS Kinesis, AWS ECS, AWS
Lambda, Apache Airflow, dbt, Dagster, AWS Redshift, Jira,
Confluence, Control-M, Python, Java, Scala, Kafka, Stream, Spark,
Cloudera, Hive, Spring Boot, Google Guice, HDFS, Jira, Confluence,
Jenkins, Zeppelin, Linux, CI / CD, Docker, Kubernetes, Junit,
PowerShell, NumPy, Pandas, PySpark, Grafana, Prometheus

Data Engineer

Audi AG / VW Gruppe

Automobil und Fahrzeugbau

>10.000 Mitarbeiter

  • Einrichtung der Cloud-Architektur und Bereitstellung der Anwendung in der Azure Cloud.
  • Einrichtung der CI/CD-Pipeline mit GitLab.
  • Anwendung von Machine-Learning-Methoden zur Zeitabschnitts-Clustering.
  • Skalierung der Methode für längere Fahrzeiten unter Verwendung von Big-Data-Technologien.
Systemumgebung: SQL, NumPy, Pandas, PySpark, Microsoft Azure, Python, Apache
Spark, scikit-learn, Plotly, Dash, Cloudera, CI / CD, Flask, Anomaly
Detection, Unsupervised Learning, Hierarchical Clustering, Pytorch,
Gitlab Ultimate

Technical Lead, DevOps Engineer

Audi AG / VW Gruppe

Automobil und Fahrzeugbau

>10.000 Mitarbeiter

  • Technische Leitung, verantwortlich für das technische Konzept.
  • Full-Stack-Softwareentwicklung.
  • Einrichtung der AWS-DevOps- und CI/CD-Pipeline mit automatisierter Bereitstellung und automatisierten Tests.
Systemumgebung: SQL, AWS Kinesis, AWS Serverless, S3, AWS Lambda, AWS Aurora
Serverless, Python, Natural Language Processing (NLP), NLTK, Text
Mining, Django, MySQL, Gitlab Ultimate, PowerShell, Jira,
Confluence, IAM configurations, Angular, NumPy, Pandas, PySpark

DevOps Engineer

Anonym

Internet und Informationstechnologie

>10.000 Mitarbeiter

  • Einrichtung der CI/CD-Pipeline mit GitLab Ultimate und Jenkins.
  • Einrichtung der Bereitstellung mit Docker.
  • Implementierung automatisierter Unit-Tests.
Systemumgebung: Python, Django, OpenCV, TensorFlow, Docker, Gitlab Ultimate, Jira, Confluence, NumPy, Pandas, PySpark

DevOps Engineer, Developer

Fiducia & GAD IT AG

Banken und Finanzdienstleistungen

5000-10.000 Mitarbeiter

  • Entwicklung von Softwarekomponenten.
  • Verwaltung und Bereitstellung des Anwendungs-Workflows.
  • Implementierung automatisierter Unit-Tests.
  • Einrichtung der CI/CD-Pipeline mit Jenkins.
  • Einrichtung der Bereitstellung mit Docker und Kubernetes.
Systemumgebung: SQL, Control-M, Java, Spring Data / Boot / Batch, Jenkins, Docker,
Jira, Confluence, Kubernetes, Oracle, Junit

Data Engineer

msg systems AG Gesellschaft für computergestützte / Services

Internet und Informationstechnologie

5000-10.000 Mitarbeiter

  • Einrichtung der CI/CD-DevOps-Pipeline mit GitLab.
  • Entwurf der Lambda-Architektur zur Verarbeitung von Sensordaten.
  • Präsentation des Showcases auf Konferenzen und Workshops.
  • Überprüfung des Codes auf Qualität und Einhaltung der Code-Richtlinien.
  • Entwicklung von Machine-Learning-Modellen.
  • Anomalieerkennung.
Systemumgebung: tlab, Spark, Python scikit learn, Kibana, Supervised Learning, Scrum, Node.js, typescript, NumPy, Pandas, PostgreSQL

Developer

Audi AG

Automobil und Fahrzeugbau

>10.000 Mitarbeiter

  • Entwicklung des Datenmodells
  • Entwicklung von Softwarekomponenten im Backend
  • Erstellung von Mockups
  • Bereitstellung und Verwaltung des Anwendungs-Workflows
Systemumgebung: Java, SQL, Spring Boot, Google Guice, Junit, Control-M

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden