Senior Data Science Consultant

9/2023 – offen

Leitung einer umfassenden Datenbankmigration von einer SAS Oracle-Umgebung auf ein Hadoop-Cluster unter Verwendung
von PySpark sowie der Migration des Legacy-Frontends auf Elastic Search und Kibana.
• Führung eines Teams von 10 Offshore-Entwicklern, Förderung der bereichsübergreifenden Zusammenarbeit, Durchsetzung von
Migrationszeitplänen und Minimierung von Datenqualitätsproblemen durch rigorose Test- und Debugging-Strategien.
• Verringerung der Migrationsfehler vor dem Test um 30% durch die Entwicklung und Implementierung eines KI-gesteuerten
Codeübersetzungs-Workflows und die Beschleunigung von Folgeprozessen, die automatisierte Übersetzungen, manuelle
Überprüfung und systematische Vergleichsskripte kombinieren, um die Datenintegrität durch Prozessautomatisierung zu
gewährleisten.
• Architektur und Implementierung einer ETL-Orchestrierung für die Produktionsumgebung unter Verwendung von Apache
Airflow, um eine nahtlose Planung und Ausführung der Jobs bei minimaler Ausfallzeit zu gewährleisten

Data Engineer

4/2023 – 9/2024

• Entwicklung des Backends für eine Webanwendung zur Asset-Allokation und -Optimierung, die es Portfoliomanagern
ermöglicht, Marktsignale zu operationalisieren, Aktienuniversen zu definieren, Einschränkungen und Optimierungsparameter
festzulegen und Handels-Aufträge direkt über Broker durchzuführen.
• Vereinfachung von Workflows durch Konsolidierung des Anwendungscodes in ein zentrales Repository, wodurch die
Abhängigkeit von verstreuten Skripten und Excel-basierten Prozessen verringert und die Systemrobustheit erhöht wurde.
• Erstellung eines robusten R-Pakets, das eine REST-API betreibt welches in ein Angular-Frontend integriert wird, um effiziente und
dynamische Benutzerinteraktionen zu ermöglichen.
• Integration der Anwendung in eine Kubernetes-Cluster-Infrastruktur unter Verwendung von Docker und Azure DevOps, was
minimale Ausfallzeiten und verbesserte Skalierbarkeit ermöglichte.

Data Engineer, DevOps

11/2022 – 3/2023

• Entwicklung, Implementierung und Bereitstellung eines cloudbasierten Machine-Learning-Modells zur Erkennung von
betrügerischen Ticketkäufen, das Echtzeit-Betrugswahrscheinlichkeitswerte und Sperrempfehlungen an das Zahlungs-Backend
liefert.
• Entwicklung eines umfassenden Scoring-Systems durch eine vollständig automatisierte MLOps-Pipeline, die die Datenabfrage,
Vorverarbeitung, Modelltraining, Hyperparameter-Optimierung und Bereitstellung über eine REST-API gewährleistet. Das
Scoring-System erhöhte die Betrugserkennungsrate um 15% und generierte einen zusätzlichen monatlichen Gewinn von
500.000 €.
• Nutzung von Python und AWS SageMaker zum Aufbau und zur Verwaltung von MLOps-Workflows, um eine effiziente
Modellentwicklung, -bereitstellung und -überwachung innerhalb einer skalierbaren Cloud-Infrastruktur zu gewährleisten

Machine Learning Engineer