Senior Data Scientist

3/2021 – offen

Entwicklung einer Website zur Visualisierung und
Aufbereitung der Sozialindikatoren des
Bundeslandes Brandenburg
• Entwicklung eines Contentmanagements für die
Bearbeitung von Texten, Farben von Graphiken,
Überschriften und Fußnoten
Konzeptionierung und Implementierung einer
Protokoll- und Datenaufbereitungsschnittstelle zu
Vereinfachung und Beschleunigung des
Prozesses der Datenbeschaffung
• Programmierung div. Elemente z.B. Generierung
E-Mails, Downloads, Uploads etc.
• Refactoring und Optimierung der Performance
unter anderem Callbacks
Technologien: Python, Plotly Dash, JS, Flask,
MarkDown, PostGres, JS, GIT, CSS, AWS, Docker
Methodik: Scrum

Amazon Web Services (AWS), Docker, Git, PostgreSQL, Python, SCRUM

1/2020 – offen

Interne Entwicklung einer Webapplikation für die
Auswertung und Verknüpfung
von Daten des Immobilienmarktes
• Crawlen der Daten von Immobilienscout24
• Entwicklung von APIs zum Abruf der Daten aus
dritt Quellen
• Entwicklung einzelner Plug-Ins und Modul zur
Funktionserweiterung
• Analyse und graphische Aufbereitung der Daten
Technologien: Python, PostgreSQL, Cronjob, Django,
Scrapy, Azure, MariaDB
Advanced Analytics: XGBOOST

MariaDB, Microsoft Azure, Python

5/2019 – 12/2019

Weiterentwicklung einer Webseite zur
Veröffentlichung von Dokumenten
Transparenz Portals Schleswig-Holstein (Dataport
Hamburg)
Aufgaben:
• Konfigurieren von Apache2 und Solr, PostgreSQL
• Entwicklung einzelner Plug-Ins und Modul zur
Funktionserweiterung
• Anpassung der graphischen Webseite
• Schreiben und Test von Ansible - Playbooks für
die Operationalisierung der Plattform
• Schreiben von Unittests mit PyTest und die
Durchführung von Integrationstests
Technologien: Python, Git (Bitbucket), Jira, Apache2,
Linux, PostgreSQL, Ansible
Methodik: Scrum, DevOps

Apache, DevOps, Jira, Python, SCRUM

6/2018 – 8/2018

Vorhersage der optimalen Rezeptur für einen
Leuchtkörper für einen führender
Hersteller von Leuchtmitteln
• Aufbereitung der Messdaten von produzierten
Leuchtdioden
• Entwickeln und verfeinern der prädiktiven Modelle
• Präsentation der einzelnen Schritte der CRISPDM und mathematische Details der Modelle
• Evaluation der verschiedenen Ansätze und
Auswahl des Champions
Technologien: SPSS, Python. PySpark
Advanced Analytics: Genetic Algorithm, Particle Swarm
Optimization, Self-Organizing Maps, GRNN, k-means,
GBM mit linearer Regression (xgboost), Support Vector
Regression

IBM SPSS Statistics, Python

3/2018 – 5/2018

Predictive Maintance - Vorhersage von
Serverausfällen und Abschätzung
deren Auswirkungen für einen der größten
Telekommunikationsanbieter
• EDA mit Survival- und Co-occurrence Analysis
• Erzeugung eines Graphen um die Daten mittels
eines Greedy Algorithmus ein Clustering zu
erzeugen.
• Anwenden der Algorithmen von Random Forest
und Gradient Boosting Machine für die
Vorhersage eines Serverausfalls
• Abschätzung der Auswirkung eines Ausfalls
aufgrund der Zentralität und Auslastung
Technologien: R,
Advanced Analytics: Finden von Cluster in Graphen,
Random Forest, Gradient Boosting Machine

Gradient Boosting

11/2017 – 3/2018

Vorhersage und Minimierung von Strafzahlungen
durch nicht Erfüllung der Lieferverträge bei einem der
größten Pharmaunternehmen
• Requirement Engineering und Exploratory Data
Analysis (EDA)
• Erstellen des Datenmodels und des
algorithmischen Konzepts
• Vorschlangen der Modelle und Auswahl des
Algorithmus
• Implementierung eines MILP Generators und
MILP Solver basierend auf die Anforderungen des
Kunden.
• Verbinden von R mit R-Shiny und SAP
Technologien: R, R-Shiny, SAP
Advanced Analytics: Mixed Integer Linear
Programming, Max Flow / Residual Graph, Greedy
Algorithm, Time Series, Random Forest

R (Programmiersprache)

3/2017 – 11/2018

Evalutation von verschiedenen Techniken um den
Kontext von Zeitungsartikeln einzuordnen für ein
Marketing Unternehmen aus London.
• Aufbereitung der Inhalte der Zeitungsartikel durch
Anwenden von Filtern.
• Auswertung und Klassifizierung der Texte mit
verschiedenen Modellen LSA, LDA, word2vec und
LDA2vec
• Darstellung der gewonnen Erkenntnisse mittels
Graphen und Graphiken
Technologien: Python, PostgreSQL, PySpark
Advanced Analytics: LSD, LDA, LDA2vec, word2vec

PostgreSQL, Python

3/2017 – 11/2017

Internes Projekt zur Evaluierung des Kontextes von
Soziale Medien für Medikamente
• Ausführung von Web Scrapping und NLP (natrual
language processing und sentiment analysis) für
Soziale Medien und öffentlichen Einträgen von
medizinische Webseiten
• Visualisierung von endeckten Mustern und
Eigenschaften in Medizinischen Daten
• Data Mining und Analyse des OMOP Models und
der sozialen Medien, um Ursache des
Medikamentenwechsels zu bestimmen.
• Erzeugung und Visualisierung von Netzwerken im
Sozialen Ökosystem
• Implementation von Markov Field für die
Exploratory Data Analyse (EDA) der CoMedikation
Technologien: R, R-Shiny, Knime, IBM Watson, Gephi,
Neo4j
Advanced Analytics: Sentiment Analysis, Clustering,
word2vec, Markov Field

Natural Language Processing (NLP), R (Programmiersprache)