Data Scientist

1/2023 – 1/2025

Entwicklung und Verwaltung von Machine-Learning-Pipelines in Vertex AI von Google Cloud unter Verwendung von
Kubeflow zur effizienten Modell-Trainierung, -Evaluierung und -Bewertung
Aufbau wiederverwendbarer Kubeflow-Komponenten für Datenvorverarbeitung, Modellüberwachung und Logging
inklusive automatisierter Benachrichtigungen via Slack bei Pipeline-Erfolg/-Fehlschlag und Systemleistung
Erstellung und Pflege von Python-basierten Dashboards zur Visualisierung von KPIs und Versuchsergebnissen
Entwicklung einer robusten ETL-Pipeline mittels DBT-Modellen, orchestriert durch Apache Airflow, ergänzt durch ein
individuelles Python-Framework mit automatisierten Tests und Datenqualitätsprüfungen
Durchführung von Experimenten zur Bewertung der Modellrobustheit, Analyse der Feature-Wichtigkeit und Validierung
der Modellergebnisse zur Beantwortung geschäftskritischer Fragestellungen über bloße Genauigkeitsmetriken hinaus
Implementierung und Pflege von Feature-Drift-Monitoring zur frühzeitigen Erkennung von Veränderungen in den
Datenmustern zwischen Trainings- und Bewertungsdatensätzen
Zusammenarbeit mit Data-Science- und Data-Engineering-Teams zur Optimierung der Pipeline-Leistung und Etablierung
von Best Practices im skalierbaren Machine Learning Operations (MLOps)
Regelmäßige Berichterstattung an technische und fachliche Stakeholder über Pipeline-Status, Versuchsergebnisse und
Modellleistung
Einführung von Modellversionierung und Rollback-Strategien zur sicheren Aktualisierung von Modellen in der Produktion
und zur schnellen Wiederherstellung im Falle von Leistungsproblemen
Sicherstellung der Einhaltung von Datenschutzbestimmungen und Implementierung von Sicherheitsmaßnahmen beim
Umgang mit sensiblen Daten während Training und Deployment

Data Science, Data Warehousing, Machine Learning Engineer

11/2020 – 9/2021

Unterstützung eines Startups (Jobvermittlung für Studenten) beim Aufbau der ersten Dateninfrastruktur.

Die Aufgaben beinhalteten u.a., erste Prototypen Entwicklung von Matching Algorithmus um Studenten potenziellen Arbeitgebern zuzuordnen.

Ebenfalls die Modellierung eines intern genutzten Data Lakes und anschließende Entwicklung von Pipelines um diesen automatisiert mit relevanten Daten aus unterschiedlichen Quellen zu füllen.

Data Mining, Data Science, Datenbankentwicklung

1/2017 – 1/2023

Erfolgreicher Aufbau einer Infrastruktur für datengestützte Entscheidungen in verschiedenen Abteilungen (Management,
Marketing, Produkt), inklusive Übergang von der Produktionsdatenbank zu einer Analytics-Datenbank als "Single Source
of Truth"
Erstellung regelmäßiger Berichte und KPI-Dashboards (Metabase, Google Looker), um dem Team umsetzbare Einblicke
zu liefern
Entwicklung von Python-basierten Machine-Learning-Mikroservices (z. B. automatisierte Buchhaltung), die in das FastBill
Produkt integriert wurden
Unterstützung des Marketings bei der Durchführung und Auswertung von A/B-Tests auf Basis von Datenbankanalysen
Optimierung des Vertriebsprozesses durch Integration von Kundendaten und Verhaltensmetriken in CRM-Kanäle, was die
Kundenbindung per E-Mail und Telefon erhöhte
Zusammenarbeit mit internationalen Investoren bei KPI-Berichten, Compliance und Analysen - Beitrag zum erfolgreichen

Data Science, Machine Learning Engineer