Data Engineering / ML and AI Engineering / DevOps / MLOps

3/2019 – 6/2020

Wir entwickeln ein vollautomatisiertes System für die Identifikation und Klassifizierung der Fahrsituationen mit dem Ziel, manuelle Arbeit und die damit entstandenen Kosten zu sparen. Für die Analyse verwenden wir Anomalie-Erkennung um die gesamte Zeitreihe in kleinere Situationen zu schneiden. Anschließend verwenden wir Unsupervised Learning und Hierachical Clustering um die ähnliche Situationen in gleichen Gruppen zu sortieren. Das Ergebnis wird durch eine interaktive Webseite dargestellt.
- Deployment der Anwendung in die Azure Cloud.
- Clustering der Zeitabschnitten unter Anwendung von Machine Learning Methoden.
- Scaling der Methode mithilfe von Big Data Technologien.

Data Science, Scikit-learn, Apache Spark, Git, Python, Microsoft Azure

7/2018 – 3/2019

Durch den digitalen Wandel in der Automobilindustrie – hin zur Elektrifizierung, dem autonomen Fahren sowie der Vernetzung – wird der Anteil an Elektronik und Software im Fahrzeug weiter stark ansteigen. Ein signifikanter Kostentreiber des Gesamtfahrzeugs der Zukunft liegt im Bereich Softwareentwicklung, welche zu großen Teilen von externen Lieferanten zugekauft werden wird.
Ziel dieses Projekts ist es eine Datenbank inclusive Rechenkern zu entwickeln, die durch Datenanalyse und künstliche Intelligenz den Abgleich unterschiedlicher Angebote für Entwicklungskosten ermöglicht.
-Teilprojektleitung, verantwortlich für die technische Konzeption.
-Full-Stack Software Entwicklung.
-Aufsetzen des AWS DevOps und CI / CD Pipelines mit automatisierten Deployment und automatisierten Tests.

Natural Language Processing, Python, Amazon Web Services (AWS), Django

6/2018 – 9/2018

Es wird ein Tool zur automatischen Ermittlung der Personenkapazität in an den Zugleisen entwickelt. Als Technologie sollte die Video- und Bilderkennung mit Deep Learning und anderen Open Source Produkte im Fokus stehen.
-Aufsetzen des CI / CD Pipeline mit Gitlab und Jenkins
-Erstellung des Deployment mit Docker
-Automatisierte Unit-Test erstellen.

Opencv, Tensorflow, Docker, Jenkins, Python, Django

6/2017 – 5/2018

Alle deutschen Banken haben Meldepflicht an die Bundesbank. Der Vorgang sollte automatisiert werden. Es wird eine Data-Pipeline entwickelt, die die Daten aus den verschiedenen Systemen nehmen, sie bereinigen und bearbeiten. Anschließend werden Meldungen erstellt und automatisch an die Bundesbank geliefert.
-Erstellung und Durchführung von Refactoring der Softwarearchitektur.
-Automatisierte Unit- und Integration-Tests erstellen -Aufsetzen des CI / CD Pipeline mit Jenkins
-Erstellung des Deployment mit Docker und Kubernetes

Docker, Java (allg.), Jenkins, Junit, Spring Framework, Kubernetes

1/2017 – 7/2017

In diesem Projekt wurde ein Anwendungsbeispiel aus dem Bereich IoT mit kleinen Spielzeugautos der Marke Anki OVERDRIVE realisiert. Die Autos besitzen Sensoren und einen Mikroprozessor, um beispielsweise ihre Position und Geschwindigkeit zu messen. Daten und Befehle werden mit Hilfe von Bluetooth-Low-Energy (BLE) an die Fahrzeuge beziehungsweise die Steuerung übertragen.
Die gesammelten Sensordaten wurden in einer Lambda-Architektur, welche hauptsächlich aus Open-Source Softwarelösungen basierte, gespeichert. Von dort aus wurde verschiedene Szenarien, wie beispielsweise Anti-Kollision, implementiert. Ebenfalls Teil des Projektes war die Evaluierung von Frameworks im Bereich maschinelles Lernen und inwiefern damit das Fahrverhalten verbessert werden konnte.
-Design der Lambda-Architektur für die Verarbeitung der Sensordaten
-Präsentationen des Showcases bei Konferenzen und Workshops -Entwicklung Machine Learning Use Cases.
-Erkennung von Anomalien

Apache Spark, Scrum, Python, RTSP (RealTime Streaming Protocol)

1/2017 – 6/2017

Eine Webanwendung zur Steuerung wichtiger Kennzahlen soll entwickelt werden. Ein Benutzer kann verschiedene Frames gleichzeitig anzeigen lassen. Jedes Frame beinhaltet entweder Kennzahlen, Berichterstattungen, Kommentare, Grafiken, oder interne Links. Die Daten stammen aus verschiedenen SAP Systemen. Anschließend werden verschiedene Analyse basierend auf die Kennzahlen durchgeführt
-Entwicklung der Datenmodelle
-Entwicklung der Softwarekomponenten
-Erstellen von Mockups in Abstimmung mit Kunden

Oracle-Anwendungen, Git, Java (allg.), Junit, Spring Framework, Representational State Transfer (REST)