Senior Data Scientist

4/2023 – 4/2024

- Identifizierung umsetzbarer KI-Anwendungsfälle.
- Extraktion wesentlicher Erkenntnisse aus einem umfangreichen Online-Werbedatensatz durch den Einsatz von Natural Language Processing (NLP) und Named Entity Recognition (NER).
- Design der gesamten Architektur und Implementierung der Machine-Learning-Lösung.
- Leitung eines Teams von fünf Entwicklern bis zur erfolgreichen Produktbereitstellung in Azure.
NB:Dieses Projekt wurde als eines der fünf innovativsten Projekte des Unternehmens ausgewählt.

Data Science, Microsoft Azure, Named-entity recognition (NER), Natural Language Processing, Projektleitung / Teamleitung (IT), Python

4/2023 – 5/2023

Dozent an der Hochschule für Technik und Wirtschaft (HTW) Berlin: Konzeption und Durchführung der Lehrveranstaltung „Introduction to Python for Data Science“, mit Fokus auf praxisnahe Vermittlung moderner Data-Science-Techniken, interaktives Lernen und Einsatz relevanter Python-Bibliotheken (u.a. Pandas, NumPy, Scikit-learn) für die Analyse und Visualisierung realer Datensätze.

Universitätsdozent Künstliche Intelligenz

4/2022 – 12/2022

- Leitung der Entwicklung eines Reinforcement Learning-Algorithmus zur Optimierung des Routings von selbstfahrenden Bussen (6 Data Scientists)
- Organisation des Teams in agilen Sprints
- Code Reviews

Agile Methodologie, Python, Reinforcement Learning

7/2021 – 2/2022

Ziel des Projektes war, Ort und Zeit von Graffitibesprühungen an Zügen zu vorhersagen. Mit dieser Information könnte die DB Regio durch den Einsatz von Sicherheitspersonal den Schaden verhindern.

Ich habe die Leitung des Projektes übernommen und Machine Learning-Modelle anhand von historischen Meldungen und Zugbewegungsdaten entwickelt. Das beinhaltet:
- Data Cleaning & Feature Engineering
- Definition von geeigneten Modellmetriken in Abstimmung mit dem Fachbereich
- Kontrolle der Datenqualität. Organisation und Durchführung von Fachworkshops, um diese zu erhöhen
- Visualisierung von Graffitihotspots und Modellgüte
- Präsentation der Ergebnisse vor den Stakeholdern (bis CIO-Level)

Data Science, Maschinelles Lernen, Python

10/2020 – 5/2021

- Entwicklung und Deployement eines Algorithmus, der eine optimale Terminplanung für die Instandhaltung von Windenergieanlagen erzeugt. Die durch die Ausschaltung der Anlage verursachten Verluste werden minimiert
- Definition und Implementierung der Datenstruktur nach OOP-Prinzipien
- Code Refactoring inkl. Erstellung von Unit Tests
- Enge Kollaboration mit Data Engineers und DevOps Engineers bezüglich des Deployments
- Deployment als MS Azure Function

Continuous Integration, Microsoft Azure, Objektorientierte Software-Entwicklung, Python

5/2020 – 12/2022

- Entwicklung eines Algorithmus zur Vorhersage von Graffitibesprühungen an Zügen anhand von historischen Meldungen und Zugbewegungsdaten
- Fachliche Leitung: Entwicklung eines Reinforcement Learning-basierten Agenten zur Optimierung des Routings autonomer Bussen
- Entwicklung eines Algorithmus zur Optimierung von Instandhaltungsarbeiten an Windenergieanlagen
- Entwicklung einer Reinforcement Learning Baseline für die Kaggle kore [...] Competition. Der Beitrag erhielt die meisten Upvotes von anderen Teilnehmer: -Hyperlink entfernt-
- Zweiter Community Preis in der “NeurIPS Flatland challenge [...]: Multi-agent reinforcement learning in complex train networks“: -Hyperlink entfernt-
- Zahlreiche Pitches und Workshops
- Erstellung eines firmeninternen "[...]" mit Slack

Agile Methodologie, Reinforcement Learning, Data Science, Git, Maschinelles Lernen, Microsoft Azure, Python, SQL, Überwachtes Lernen

7/2019 – 1/2020

- Minutengenaue Vorhersage von Flugverspätungen anhand von geographischen Daten
- Entwicklung von Machine Learning-Modelle in Python (Random Forests, XGBoost)
- Feature Engineering mit pandas und PySpark
- Reduzierung der Rechenzeit von Features von Tagen auf Stunden
- Die Performance des trainierten ML-Modells übertraf die des zu den Zeitpunkt eingesetzten Modells
- Visualisierung der Ergebnisse mit kepler.gl, Plotly und Matplotlib

Apache Spark, Data Science, Maschinelles Lernen, Python, Überwachtes Lernen

10/2018 – 6/2019

- Entwicklung eines "Moonshot"-Geschäftsmodells basierend auf Blockchain, Datensouveränität und Alternativen zur Online-Werbung
- Erstellung von Berichten und Dashboards in Tableau
- Ad-hoc Datenanalysen (SQL, Python)

Blockchain (allg.), Produktdesign, Python, SQL, Tableau

4/2016 – 2/2017

Entwicklung (Front-End und Back-End) eines medizinischen Geräts für die quantitative Verarbeitung und räumliche Visualisierung von Elektroenzephalogrammen in Echtzeit.

Labview, Medizintechnik, Neurologie