Microsoft Azure DevOps Certified | Machine Learning | Python | GenAI

9/2022 – 7/2023

Ich arbeite in einem agilen Team an einer Webanwendung, die in Flask erstellt wurde und auf Azure Cloud Stack basiert. Zusammen mit anderen verwenden wir hauptsächlich Python und Azure Cloud-Technologien für die Entwicklung und Bereitstellung. Ich bin in alle Phasen der Entwicklung und des Deployments involviert. 
Aufgaben:
Datenfilterung, -bereinigung und -manipulation entsprechend den Geschäftsanforderungen (ETL)
Design und Implementierung von neuen Funktionen Anwendung
Teilnahme an Architekturentscheidungsmeetings
Durchführung von Scrum-Meetings und Definition von Stories im Backlog
Unterstützung der Kunden beim Onboarding (Interaktion mit den Endkunden bei der Nutzung unserer Anwendung)
Interaktion mit dem Kunden zur Erfassung neuer Anforderungen und Aktualisierung/Änderung bestehender Funktionen
Erweiterung der Anwendung durch Hinzufügen neuer REST-API-Funktionalität zur Erfüllung der Kundenanforderungen
Schreiben von Unit- und Integrationstests
Mentoring von jüngeren Teammitgliedern 
Schreiben von Azure DevOps Pipelines für automatisierte Tests, Builds und Bereitstellung (CI/CD) in Dev-, QAS- und PROD-Umgebungen. 
Überwachung und Verwaltung der Anwendung nach der Bereitstellung (im Betrieb).
Produkte und Technologien:  Python, Flask, Azure Stack, Azure Data Lake, Azure DevOps, Docker, Azure Machine Learning, MLFlow, Azure Data Factory, numpy, Scikit Learn, REST-API, OCP, Docker, REST APIs

DevOps, Microsoft Azure, MLOps, Python

12/2021 – offen

Ich habe als DevOps/MLOps-Ingenieur an Azure-basierten KI-Anwendungen teilgenommen und war in alle Phasen der Entwicklung, Bereitstellung und des Betriebs involviert.

Aufgaben:
Erstellung von CI/CD-Pipelines zum Deploy, UnDeploy und Testen von automatisierten Tests, Prüfen der
Codequalität und Bereitstellen in verschiedenen Cloud-Umgebungen.
Verwaltung von Azure Virtual Machines und Azure Storage Accounts, Azure Repos.
Überwachung und Verwaltung der Anwendung nach der Bereitstellung (im Betrieb).
Durchführung der Anwendung Deployment in Openshift und AKS.
Hinzufügen neuer Funktionen in der bestehenden App entsprechend den geschäftlichen Anforderungen
Azure Repos, Azure Build und Release Pipeline Konfigurationen.
Überwachung von daily jobs.
Design und Implementierung von Azure Active Directory (AAD)-Lösungen für die Identitätsverwaltung.

Technologien: Azure Cloud, Azure Machine Learning ,Azure Data Bricks, AKS, OpenShift, Kubernetes, Docker,
Azure DevOps (CI/CD), Azure AD, Azure Functions, Managed identities, Linux, Helm Charts, Python, VNet, Storage
Accounts, Build & Release Pipelines, MLFlow, Cosmos DB

DevOps, MLOps, Python, Microsoft Azure

1/2018 – 10/2021

Arbeitete in agilen Teams an mehreren Cloud-basierten KI-Anwendungen

Aufgaben:
- Integration von Daten aus verschiedenen Quellen.
- Entwicklung einer skalierbaren End-to-End-Datenpipeline für Data &
Machine Learning Produkte.
- Training und Auswertung von maschinellen Lernmodellen (MlFlow).
Durchgeführte Migration von On Prem zu Cloud.
- Azure DevOps-Pipelines führen Tests und Bereitstellung in Azure Cloud in Testing und PROD-Umgebungen durch.
- Durchführung von Tracking und Monitoring von Machine Learning
Anwendungen (MlOps) in der Produktion (Azure) mit Hilfe von Splunk Dashboards und MlFlow.
- Datenfilterung, Datenbereinigung und Datenmanipulation entsprechend den Geschäftsanforderungen (ETL).
- Schreiben von Azure DevOps Pipelines für automatisierte Builds und Bereitstellung (CI/CD).
- Refactoring der bestehenden Anwendung für clean code.
- Austausch von Fortschritten mit den Stakeholdern und Integration/Umsetzung ihres Feedbacks.
- Unterstützung und Betrieb der Anwendung nach der vollständigen Implementierung.
- Analyse und Behebung von Pod-Fehlern und anderen Fehlern.
- Hinzufügen neuer Funktionen in der bestehenden App entsprechend den geschäftlichen Anforderungen.
- Erstellung von Datenpipelines, die Daten aus mehreren Quellen lesen und dann die ETL-Aufgaben durchführen.
- Schrieb inkrementelle Datenladeaufträge, um Cloud-Kosten zu sparen
- Überwachung und Orchestrierung von daily Jobs (Airflow und Databricks jobs).

Technologien:
Azure DataBricks ,Azure DevOps/MLOps (CI/CD), Azure Build and Release Pipelines, Kubernetes, Openshift, Docker, Python, Azure Kubernetes Service, Azure Keyvaults, Splunk, JFrog, SonarQube, Airflow, MLFlow,
Ansible.

DevOps, MLOps, Python, Ansible, Microsoft Azure