R/Shiny Entwickler und Data Scientist

Ich arbeite als Senior R Entwickler und DevOps Engineer mit 10 Jahren Erfahrung
in Industrie, Forschung und Open Source.
Besondere Expertise: Skalier- und maintainbare Software, DevOps, Reports, Visualisierungen und Unsupervised Learning.

• Continuous Delivery
• Data Science6 J.
• DevOps
• Docker2 J.
• Git2 J.
• KNX
• Microsoft Azure
• Pipelines
• R (Programmiersprache)2 J.
• Softwareentwicklung (allg.)5 J.
• Unüberwachtes Lernen

Ich arbeite seit 10 Jahren als R-Entwickler in Vollzeit, zunächst in einem Forschungsprojekt zur "Computational Social Science" an der Jacobs University Bremen, und seitdem als Data Scientist an der Universität Hohenheim und Friedrich-Alexander Universität Erlangen-Nürnberg (FAU), überwiegend in explorativer Datenanalyse und Unsupervised Learning. Ich habe umfangreiche Erfahrung mit den Tidyverse und R-lib Bibliotheken, funktioneller und objekt-orientierter Programmierung in R, Visualisierung (ggplot2, plotly, htmlwidgets), Reporting (LaTeX, rmarkdown) und interaktiven Webapps (shiny). Mein besonderes Augenmerk galt der Reproduzierbarkeit von Forschungsergebnissen und Berichten durch die Anwendung von Best Practices und Werkzeugen aus der Softwareentwicklung ("defensive programming", "test-driven development", Quellkontrolle mit git/GitHub, continuous integration and delivery mit Travis CI, Docker und neuerdings GitHub Actions).

Ich habe zahlreiche visuell aufwendige Berichte erstellt, die alle bei jedem "Commit" vollständig reproduzierbar sind – von den Rohdaten über das Build Environment bis zu den Outputs in verschiedenen Formaten (HTML, PDF via LaTeX, Word, ...). Ich entwickle außerdem ein eigenes R Paket (inklusive eines S3-Schemas und umfangreicher Eingabevalidierung), habe an existierenden R-Paketen mitgearbeitet und einen Prototypen einer Shiny-Anwendung für einen Industriekunden erstellt. Zudem unterrichte ich einige Kurse an der Universität zu R und Data Science.

Ich bin zwar "von Hause aus" kein Informatiker oder MINT-Absolvent (sondern Sozialwissenschaftler), habe aber über die Jahre hinweg große Freude darin gefunden etwas Konkretes zu bauen, das anderen Menschen Zeit spart oder ihnen hilft ein wichtiges Problem zu lösen.

Modularer und validierter Code sind die Basis für solide Data Science. Um ein Projekt zum Erfolg zu bringen, braucht es aber auch Verständnis der Nutzer_innen, der Materie, und der verwandten mathematischen Modelle. Auf diese "Übersetzungsarbeit" zwischen Daten, Code und Nutzer_innen habe ich mich spezialisiert, basierend auf meiner methodologischen und statistischen Ausbildung im Studium und während meiner Dissertation.

R, shiny, ggplot2, HTML5, CSS, JavaScript, Unsupervised Learning, Exploratory Data Analysis, Git, GitHub, Docker, Tidyverse, LaTeX, Wordpress, Bash, Linux, macOS, Linux