Data Scientist

7/2023 – 12/2024

Entwicklung von ML-basierten Anomalieerkennungssystemen zur Echtzeitoptimierung von Brauprozessen durch die Kombination von überwachtem und unüberwachtem Lernen. Mit dem unsupervised Ansatz wurde eine Genauigkeit von über 70% erreicht, die mit supervised learning weiter verbessert wurde.

 Entwicklung von Predictive-Maintenance-Modellen zur Reduzierung von Ausfallzeiten und Kosten unter Verwendung verschiedener Deep-Learning-Ansätze wie LSTM, Autoencoder etc.

Projektentwickler, Projektleitung / Teamleitung (IT)

3/2023 – 7/2023

Patientenprognose für Arztpraxen: Multivariate Zeitreihenprognose der Anzahl neuer Patienten, die eine Arztpraxis aufsuchen, unter Verwendung eines neuronalen Netzwerkmodells (LSTM) mit Daten von Google Analytics

Projektentwickler

1/2023 – 3/2023

Erstellung eines Machine Learning Model, das die durchschnittliche Niederschlagsmenge in einem beliebigen Wassereinzugsgebiet in den Vereinigten Staaten anhand von Regenmesserdaten genau vorhersagen kann (R2 = 0,6). Details können auf meinem GitHub-Profil gefunden werden.
Projekt aufgeteilt in:
O Datenerfassung von AWS und Laden in die Snowflake Cloud-Datenbank
O Explorative Datenanalyse mit SQL und Python
O Feature-Engineering, maschinelles Lernen und Modellierung neuronaler Netze mit Scikit-Learn und Tensorflow

Datenanalyse, SQL, Tensorflow, Python, Snowflake, Modellbau