DevOps Engineer / Solutions Architect

Erfahrener DevOps Engineer und AWS-Lösungsarchitekt mit mehr als 3 Jahren Erfahrung. Entwickler von Applikationen und maschinellen Lernmodellen, Projektleiter und Berater mit sehr guten Fähigkeiten in End-to-End Projekten.

• Amazon Web Services (AWS)
• DevOps
• Jenkins
• Kubernetes
• Maschinelles Lernen
• Microsoft Azure
• Python
• R (Programmiersprache)
• Scrum Master
• Terraform

Als erfahrener Experte in den Bereichen Machine Learning und DevOps verfüge ich über ein breites Spektrum an technischen und Projektmanagement-Fähigkeiten, die mich zu einem idealen Freelancer für Kunden machen, die ihr Geschäft verbessern wollen.

Meine Erfahrungen und Erfolge spiegeln meine Liebe zum Detail, mein tiefes technisches Verständnis und meine Führungsqualitäten wider, die es mir ermöglichen, komplexe Projekte mit mehreren Beteiligten mit Leichtigkeit zu steuern. Kommunikation auf Augenhöhe ist mir wichtig und ermöglicht meiner Meinung nach, gezielt nach Lösungen zu suchen.

Ich würde mich freuen, Ihnen meine Dienste zur Verfügung stellen zu dürfen.

Als Engagement Manager bei Capgemini Deutschland GmbH habe ich für mehrere Projekte im Bereich Pharma und Angewandte Mathematik einen Umsatz von ca. 1 Mio. € pro Jahr verwaltet. Ich fungierte als projektübergreifender Leiter für mehrere parallele Pharmaprojekte und war verantwortlich für die Anforderungsanalyse, das Stakeholder-Management, die Projektkalkulation, die Projektgenehmigung und die Personalbesetzung von multinationalen und überregionalen Projektteams kleiner bis mittlerer Größe.

In meiner Rolle Lead ML Engineer bei Capgemini Deutschland GmbH war ich für das Onboarding mehrerer Junior R-Entwickler in einem bestehenden, mittelkomplexen Data Science Projekt verantwortlich. Außerdem warich Lead Architect für AWS und MLOps/DevOps Engineer und verwende Gitlab CI/CD und Terraform für mehrere Projekte. Als Gründer und Leiter der Capgemini R-Community habe ich dafür gesorgt, dass das Team mit den neuesten Entwicklungen in diesem Bereich Schritt hält. Außerdem habe ich ML-Workflows in einer kundeninternen Plattform mit Kubeflow implementiert und eine R/Shiny- und Python-basierte Architektur auf AWS mit ECS implementiert, um OCR und NER anzuwenden, um sensible Informationen in PDFs zu extrahieren. Des Weiteren habe ich ein objektorientiertes (R6-Klasse) R ML-Framework für die interne Nutzung beim Kunden entwickelt.

In meiner vorherigen Rolle als ML Engineer bei Capgemini Deutschland GmbH habe ich ein R-basiertes Data Science Framework entwickelt, Anomalieerkennung auf verschiedenen Umweltsensoren des Lofoten Vesteralen Ocean Observatory durchgeführt und eine auf AWS gehostete R/Shiny-Analyseplattform im Bereich der Pharmakologie entwickelt. Außerdem arbeitete ich an der Klassifizierung verschiedener Walfluken für wissenschaftliche Zwecke und nahm am Millennial Council (interner Managementberatungskreis) teil.

Vor meiner Tätigkeit bei Capgemini war ich als Data Analyst für die Jungheinrich Logistic Systems GmbH tätig, wo ich verschiedene Fahrzeug- und Serverdaten integriert, die Daten mit Python vorverarbeitet und die Daten zur Erkennung von Fehlerursachen und Fehlerbildern mit Python und Tableau analysiert habe. Darüber hinaus habe ich ein Konzept zur Optimierung des laufenden Supportprozesses und zur automatisierten Fehleranalyse mit Machine Learning und Deep Learning in Python und TensorFlow/Keras erstellt.

Insgesamt machen mich meine vielfältigen technischen und Projektmanagement-Skills, gepaart mit meiner Fähigkeit, komplexe Multi-Stakeholder-Projekte zu steuern, zu einem idealen Freelancer für Kunden, die ihr Unternehmen in den Bereichen Machine Learning und DevOps weiterentwickeln wollen.