Data Engineer / Data Scientist

4/2019 – 12/2022

Das Team, in dem ich gearbeitet habe, generiert täglich Millionen von Bestellentscheidungen als Teil einer vollständig automatisierten und cloudbasierten SaaS-Lösung für große Einzelhandelskunden. Täglich angesetzte Datenpipelines ermöglichen es dem Optimierungsalgorithmus, die neuesten Daten zu berücksichtigen und gleichzeitig Unsicherheiten und Einschränkungen einzubeziehen, um für die Kunden rechtzeitig die besten Entscheidungen zu treffen. Ich habe daran gearbeitet
- ein bestehendes Analysetool mit einem Dask-Cluster zu skalieren,
- einen Flask Service mit einer PostgreSQL-Datenbank inklusive ETL-Pipeline in Azure einzurichten, mit dem über eine REST API kommuniziert werden kann,
- Apache Airflow DAGs zu konfigurieren,
- anspruchsvolle SQL-Abfragen einschließlich CTEs für eine Exasol-Datenbank zu erstellen und anzupassen,
- komplexe Datenstrukturen in eine in Python geschriebene Datenpipeline zu integrieren,
- erforderliche Anpassungen am Partitionierungsmodell für die Parallelisierungslösung vorzunehmen und
- den in C++ geschriebenen Optimierungsalgorithmus zu verbessern und ihn mit neuen Funktionalitäten zu erweitern.

Agile Entwicklung, C++, Microsoft Azure, Python, SQL

10/2016 – 3/2019

Ich war Teil eines Industrieforschungsprojekts an der RWTH Aachen, das das Transportnetzwerk für eines der weltweit führenden Logistikunternehmen optimierte. Meine Arbeit konzentrierte sich auf
- den Aufbau einer Datenpipeline, um die aktuellsten Daten einzubeziehen,
- die Implementierung eines problemspezifischen mathematischen Optimierungsalgorithmus und
- die Visualisierung der Lieferkette in einem Dashboard.

C++, Python, SQL