freiberufler Machine Learning & Data Mining auf freelance.de

Machine Learning & Data Mining

offline
  • 65‐75€/Stunde
  • 42697 Solingen
  • Umkreis (bis 200 km)
  • de  |  en
  • 09.02.2021

Kurzvorstellung

Ich bin als KI und Deep Learning Beraterin, Programmiererin und IT-Projektleiterin tätig. Meine Leidenschaft liegt in der Analyse, Steuerung und Automatisierung von Aufgaben.

Qualifikationen

  • Data Mining
  • Data Science
  • Maschinelles Lernen
  • Projektleitung / Teamleitung (IT)

Projekt‐ & Berufserfahrung

Expert Machine Learning
Inkassounternehmen, Solingen
9/2019 – 7/2020 (11 Monate)
Finanzdienstleister
Tätigkeitszeitraum

9/2019 – 7/2020

Tätigkeitsbeschreibung

Beratung zum Einsatz von Machine Learning
Ein mittelständisches Inkassounternehmen mit internationaler Ausrichtung interessiert sich für die Einführung von Machine Learning Algorithmen und die möglichen Potenziale und Use Cases im Forderungsmanagementumfeld. Zunächst wird ein Workshop durchgeführt, um die Use Cases zu bewerten. Im weiteren Verlauf werden die vorhandenen Daten, die für die Verfahren nutzbar sind identifiziert werden. Eine Implementierung von Machine Learning Algorithmen in einem Proof of Concept ist nun der nächste Schritt. Aus den Ergebnissen sollen die weiteren Schritte für die Zukunft abgeleitet werden.
Aufgaben und Ergebnisse
• Aufnahme der Situation und der Prozesse im Unternehmen
• Erläuterungen zu den unterschiedlichen Machine Learning Ansätzen
• Workshop zur Identifizierung von Machine Learning Potenzialen
• Vorschläge für die Durchführung eines Proof of Concept
• Identifikation des ersten Use Case für den Proof of Concept, Erarbeitung der erforderlichen Eingangsdaten und Vorschlag des Machine Learning Verfahrens
• Begleitung auf dem Weg zur Implementierung einer Machine Learning Plattform

Fachliche Umgebung
Machine Learning Algorithmen, Forderungsmanagement

Eingesetzte Qualifikationen

TensorFlow, Python

Product Owner
IT Dienstleister Digitale Transformation, Münster
6/2019 – 8/2019 (3 Monate)
IT & Entwicklung
Tätigkeitszeitraum

6/2019 – 8/2019

Tätigkeitsbeschreibung

Product Owner Business Process Management
Zur Überbrückung der Vakanz des „Product Owners“ im Bereich „Business Process Management (BPM)“ wird diese Rolle interimsweise übernommen werden.
Aufgaben und Ergebnisse
• Analysieren, konzeptionieren und priorisieren von Neuanforderungen in Zusammenarbeit mit dem Team und entwickeln User Stories
• Erstellen, priorisieren und verfeinern des Komponenten-Backlogs
• Unterstützen der Sprint Planung inklusive der Definition von Tasks
• Zusammenarbeit mit dem Produktmanagement bei der Definition und Implementierung der Produktweiterentwicklung
• Identifizieren der Lösungsoptionen und Erstellen von Grobkonzepten sowie Demos inklusive Aufwandsschätzungen in Abstimmung mit dem Produktmanagement
Fachliche Umgebung
Versicherung, Schadensmanagement, BPMN, Big Data, Machine Intelligence,Scrum

Eingesetzte Qualifikationen

Product Owner

Expert Machine Learning
Vermögensverwaltung, Solingen
5/2019 – 12/2019 (8 Monate)
Finanzdienstleister
Tätigkeitszeitraum

5/2019 – 12/2019

Tätigkeitsbeschreibung

Entwicklung eines Trading Machine Learning basierten Agenten
Für eine mittelständische Vermögensverwaltung entwickelte ich einen Trading Agenten, um die Schnelligkeit des Handels zu erhöhen und die historischen Zusammenhänge besser auszunutzen.
Aufgaben und Ergebnisse
• Umfassende Analyse der historischen Zeitreihen ausgewählter Anlagen
• Konzeption eines lernenden Trading-Agenten und der Umgebung – Einsatz von Actor Critic Algorihtmen
• Implementierung des Konzepts in Python
• Auswertung des Tradingverhaltens des Agenten
Fachliche Umgebung
Machine Learning (Actor Critic Algorithmus), Neuronale Netze (MLP,LSTM, GRU)

Eingesetzte Qualifikationen

TensorFlow, Linux (Kernel), Python

Senior Berater/SW Entwickler - Pharmazeutische Industrie
Pharmazeutische Industrie, Solingen
1/2019 – 8/2020 (1 Jahr, 8 Monate)
Chemieindustrie
Tätigkeitszeitraum

1/2019 – 8/2020

Tätigkeitsbeschreibung

Softwarequalitätssicherung – Erweiterung zweier R-Pakete zur Evaluierung der Linearität von Messprozeduren
Unterstützung der Aufgaben des biostatitischen Fachbereichs (siehe auch Projekte 2013 bis 2017) in der Aufgabe der Qualitätssicherung zu Implementierungen verschiedener Kalibrierungsmethoden. In diesem Projekt ging es darum zwei R Pakete zu erweitern, um Messprozeduren auf ihre Linearität zu prüfen. Dabei sollten die CLSI-Richtlinien (Clinical and Laboritory Standards) umgesetzt werden.
Aufgaben und Ergebnisse
• Erweiterung des LinEP – R Package für die Linearitätsprüfung (OLS,WLS, Pooling) gemäß CLSI-Richtlinien
• Erstellung von Vignetten für verschiedene R-Pakete
• Erstellung von Testfällen für die R-Pakete
• Erstellung von Vignetten für die R-Pakete


Fachliche Methoden
Verschiedene Kalibrierungsmethoden, verschiedene Methoden der linearen Regression, Testfallentwicklung, Testdurchführung, R Package Coding Guidelines, R Package Documentation Guidelines, R Vignetten

Eingesetzte Qualifikationen

R (Programmiersprache)

Expert Machine Learning
Logistikunternehmen, Frankfurt
1/2018 – 12/2018 (1 Jahr)
Logistikdienstleister
Tätigkeitszeitraum

1/2018 – 12/2018

Tätigkeitsbeschreibung

Maschinelles Lernen zur Vorhersage von Verbrauchsverhalten von Bauteilen
Zur Vorhersage von deutschlandweitem Materialverbrauch wurden für mehr als eine Million Verbrauchszeitreihen Vorhersagemodelle entwickelt, implementiert und so automatisiert, dass ein operativer Vorhersagebetrieb abgewickelt werden kann.
Zum Einsatz kamen verschiedene Filter- und Datentransformationsverfahren mit anschließenden Prognoseverfahren. Es wurden Zeitreihenprognoseverfahren (ETS, SARIMA) sowie Neuronale Netze (heute bekannt unter Deep Learning - LSTM, GRU) und Clusterverfahren in Form der schnellen "extreme gradient boosting method" eingesetzt. Während der Vorstudien für dieses Framework wurden u.a. untersucht VAR Modelle, random forest, word2vec, skipgram u.v.m.
Aufgaben und Ergebnisse
• Umfassende Analyse der historischen Verbrauchszeitreihen
• Extraktion informationshaltiger Zeitreihen
• Auswahl eines Gütekriteriums für die Prognose
• Verbrauchsprognose mit verschiedenen Prognoseverfahren
• Auswertung der Ergebnisse gegenüber einer Baseline
Fachliche Methoden
Zeitreihenverfahren (ETS, SARIMAX, VAR) Machine Learning, Neuronale Netze (LSTM, GRU), Clusterverfahren (random forest, xgoost), Statistik, agiles Projektmanagement Scrum

Eingesetzte Qualifikationen

R (Programmiersprache), TensorFlow, Linux (Kernel), Python, Amazon Web Services (AWS)

Data Scientist
Logistikunternehmen, Frankfurt
10/2017 – 1/2018 (4 Monate)
Logistikdienstleister
Tätigkeitszeitraum

10/2017 – 1/2018

Tätigkeitsbeschreibung

Prognosemodelle für Verbrauchsverhalten von Bauteilen (PoC)
Zur Reduktion der Lagerhaltung werden Bauteile möglichst spät bestellt. Die Einschätzung, wieviele Bauteile in den kommenden Monaten gebraucht werden, erfolgt basierend auf der Erfahrung der zuständigen Stellen. Da die menschliche Einschätzung von der gewünschten Genauigkeit entfernt liegt, soll geprüft werden, ob die historischen Daten des Bauteilverbrauchs mittels statistischer Untersuchungen und maschinellen Lernalgorithmen bessere Einschätzungen ermöglichen:
Aufgaben und Ergebnisse
• Umfassende Analyse des historischen Verbrauchsverhaltens von Bauteilen von drei ausgewählten Baureihen
• Identifikation von fehlenden und defekten Daten
• Vernetzung und Bereinigung von mehreren Datenquellen
• Kategorisierung der Bauteile nach ihrem Verbrauchsverhalten und ggf. weiteren sinnvollen Kriterien
• Ableitung von geeigneten Bauteilklassen
• Ableitung und Test von ersten prototypischen Planungs- bzw. Prognosemodellen je Bauteilklasse
• Ableitung von Handlungsempfehlungen zur Verbesserung der Prognosegüte
Fachliche Methoden
Data Mining, Machine Learning, SARIMAX, Statistik, agiles Projektmanagement Scrum

Eingesetzte Qualifikationen

R (Programmiersprache), Team Foundation Server (TFS)

Zertifikate

Professional Scrum Master I
2018
ITIL Foundation
2011
PRINCE2 Foundation
2011
PRINCE2 Practitioner
2011

Ausbildung

Elektrotechnik
Dr.-Ing.
1994
Hamburg

Über mich

Frau Dr.-Ing. K. H. ist als KI-Beraterin und IT-Projektleiterin tätig. Ihre Leidenschaft liegt in der Analyse, Steuerung und Automatisierung von Aufgaben. Sie beherrscht nicht nur einen großen Teil der Softwaretools aus diesen Bereichen, sondern ebenso die technischen Methoden, typischen Prozesse und Vorgehensweisen zur Steuerung der Projekte. Sie ist nach PRINCE2 Practitioner und ITIL V3 Foundation und als Professional Scrum Master zertifiziert. Für den Mittelstand war sie als Interimsmanagerin erfolgreich unter Einsatz agiler Methoden tätig.

Weitere Kenntnisse

1965 geboren, studierte sie an der RWTH Aachen Elektrotechnik, promovierte an der Universität der Bundeswehr im Bereich Mustererkennung mit Neuronalen Netzen und gewann schließlich den Wissenschaftspreis des Deutschen Zentrum für Luft- und Raumforschung zur automatischen Steuerung von neuronalen Lernvorgängen. Heute arbeitet sie mit den neuesten Entwicklungen der rekurrenten Neuronalen Netze, um Prognosen und Analysen für Unternehmen durchzuführen.

Persönliche Daten

Sprache
  • Deutsch (Muttersprache)
  • Englisch (Fließend)
Reisebereitschaft
Umkreis (bis 200 km)
Home-Office
bevorzugt
Profilaufrufe
1171
Alter
58
Berufserfahrung
33 Jahre und 2 Monate (seit 01/1991)
Projektleitung
5 Jahre

Kontaktdaten

Nur registrierte PREMIUM-Mitglieder von freelance.de können Kontaktdaten einsehen.

Jetzt Mitglied werden