Data Scientist/Data Engineer/Statistician

9/2022 – 3/2023

- Verwendung verschiedener KI-Modelle wie Random Forest, Naive Bayes, Logistische Regression, Neurale Netze und Linear Regressionsanalyse, um verschiedene Herausforderungen im Zusammenhang mit der Krankengeldvorhersage, Deckungsbeitragsberechnung und -überwachung, Modellierung von Kündigungen von Versicherten sowie der Anpassung des Morbiditätsrisikos zu lösen.

- Anwendung von Neuronalen Netzen zur Erkennung komplexer Zusammenhänge zwischen verschiedenen Faktoren, um eine präzisere Vorhersage von Krankengeldzahlungen zu ermöglichen.

- Einsatz von Random Forests und Naive Bayes zur Berechnung und Überwachung von Deckungsbeiträgen durch Berücksichtigung verschiedener Faktoren wie Schadenshäufigkeit und -kosten.

- Verwendung von Modellen der Logistischen Regression, um das Risiko von Kündigungen von Versicherten vorherzusagen und entsprechende Maßnahmen zur Verbesserung der Kundenzufriedenheit und -bindung zu ergreifen.

- Anpassung des Morbiditätsrisikos mithilfe von Linearer Regressionsanalyse, um das Risiko von Krankheiten in einer bestimmten Bevölkerungsgruppe genauer zu quantifizieren und geeignete Maßnahmen zur Risikominderung zu ergreifen.

Deckungsbeitragsrechnung, Machinelles Lernen (allg.), Naive Bayes, Neuronale Netze, Python, Random Forest, Statistik (allg.)

4/2017 – 4/2021

Beratung in SAS und R Programmierung sowie Entwicklung von statistischen und mathematischen Modellen für epidemiologische und klinische Studien.

Machinelles Lernen (allg.), R (Programmiersprache), SAS (Software), Statistik (allg.)

4/2016 – 8/2022

Lehre, Mitglied des Studienberatungsteams, Studienmentoring für internationaler Studierende, allgemeine Betreuung internationaler Studierende der Fakultät Statistik

Forschung & Entwicklung (allg.), Statistik (allg.)