Data Analyst & Data Scientist | R, Python, Statistik

Ich unterstütze bei Datenaufbereitung, statistischer Analyse und Data Science mit R und Python. Dafür verbinde ich mehrjährige Erfahrung in empirischer Forschung mit Weiterbildungen in Data Analytics und Data Science.

• Data Analyst
• Data Science
• Forschung8 J.
• Immobilienspezialist8 J.
• Machine Learning
• Microsoft Excel
• Pandas
• Python
• R (Programmiersprache)8 J.
• Spss8 J.
• Statistischer Analyst

Ich unterstütze Unternehmen, Bildungsträger und Organisationen dabei, Daten aufzubereiten, Fragestellungen systematisch zu untersuchen und Ergebnisse verständlich darzustellen.

Als Bildungswissenschaftler (M.A.) bringe ich mehrjährige Erfahrung in empirischer Forschung und quantitativer Datenanalyse mit. Ergänzend habe ich Weiterbildungen in Data Analytics und Data Science abgeschlossen und eigene Python- und Machine-Learning-Projekte umgesetzt.

Meine Leistungen:

- Datenbereinigung, Zusammenführung und Prüfung der Datenqualität
- Explorative und statistische Auswertungen von Befragungs-, Forschungs- und Unternehmensdaten
- Hypothesenprüfung, Regression und Mehrebenenmodelle
- Entwicklung und Bewertung von Machine-Learning-Prototypen für Klassifikation, Regression und Clustering
- Visualisierungen, verständliche Ergebnisberichte und interaktive Analyseprototypen mit Streamlit
- Methodische Beratung zu quantitativen Fragestellungen und Auswertungswegen

Meine besondere Stärke liegt in der Verbindung von statistischen Methoden, Forschungspraxis und nachvollziehbarer Umsetzung. Ich arbeite vor allem mit R sowie projektbezogen mit Python, SPSS und Excel. Auswertungsschritte, Annahmen und Grenzen dokumentiere ich transparent.

R / RStudio: Sehr gute Kenntnisse in Datenaufbereitung, statistischer Analyse, Regression, Mehrebenenmodellen, multipler Imputation und Visualisierung.

Python: Praktische Projekterfahrung mit pandas, NumPy, scikit-learn und Matplotlib; Jupyter und Streamlit.

Machine Learning: Klassifikation, Regression, Clustering, PCA, Feature Engineering, Kreuzvalidierung, Hyperparameteroptimierung und Modellevaluation.

Weitere Werkzeuge: SPSS (gute Kenntnisse), Microsoft Excel (sehr gute Kenntnisse), SQL/SQLite (Grundkenntnisse) sowie Git/GitHub zur Versionskontrolle und Projektdokumentation.