DATA SCIENTIST & ML ENGINEER, GENERATIVE AI & AGENT ARCHITECT, PREDICTIVE ANALYTICS & ANOMALY DETECTION, FULL STACK DEVELOPER, PROJEKT LEAD
Aktualisiert am 04.08.2026
Profil
Mitarbeiter eines Dienstleisters
Remote-Arbeit
Verfügbar ab: 01.10.2026
Verfügbar zu: 100%
davon vor Ort: 100%
Skill-Profil eines fest angestellten Mitarbeiters des Dienstleisters

Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

6 Monate
2026-01 - 2026-06

Optimierung des Gebots im Real Time Bidding Kontexts

PROJEKT LEAD / DATA PRODUCT OWNER Visualisierung Softwareentwicklung Datenanalyse ...
PROJEKT LEAD / DATA PRODUCT OWNER
Projektbeschreibung:
Proof of Concept von mathematischen Gleichungen zur datengetriebenen Optimierung des Real-Time-Bidding (RTB) Systems für programmatischen Media-Einkauf. Ziel des Projektes war die präzise Modellierung von Gebotslandschaften (Bid Landscaping), um Gewinnmargen zu maximieren.


Aufgaben / Tätigkeiten:

? Aufstellen und Lösen einer zentralen Optimierungsgleichung zur Maximierung von Gewinnmargen ? Analyse historischer Auktionsdaten zur mathematischen Modellierung komplexer Gebotslandschaften (Bid Landscaping, XGBoost)
? Konzeption und Implementierung von Algorithmen zur dynamischen Gebotsanpassung basierend auf der berechneten Win-Rate-Wahrscheinlichkeit, um das globale Maximum zu finden
? Optimierung der Modell-Inferenzzeiten auf Millisekunden-Ebene zur Gewährleistung der Echtzeitfähigkeit innerhalb der Real-Time-Bidding (RTB) Timeouts
? Vergleich verschiedener Modelle hinsichtlich Vorhersagegenauigkeit der Win-Rate-Wahrscheinlichkeit und Inferenzgeschwindigkeit im Live-Betrieb
? Erstellung eines Dashboards zwecks Monitorings


Schwerpunkte / Kenntnisse:

? Visualisierung
? Softwareentwicklung ? Datenanalyse
? Monitoring
? Optimierung
? Dashboard Erstellung


Tech-Stack:

? Python 3.x
? Athena (AWS, S3) ? Apache Airflow
? Grafana
? DBeaver (MySQL) ? Docker, UV


Benefits:

? 50% günstigerer Einkauf bestimmter Placement-Gruppen bei 15% Umsatzverlust.
? Verbesserung der Kampagnen Performance und Erhöhung des ROI um ~20% innerhalb dieser Placement Gruppen
Python Athena AWS S3 Apache Airflow Grafana DBeaver MySQL Docker UV
Visualisierung Softwareentwicklung Datenanalyse Monitoring Optimierung Dashboard Erstellung
Axelspringer Teaser Ad GmbH
Berlin
9 Monate
2025-04 - 2025-12

Entwicklung eines Multi-Agent-Chatbots für den digitalen Vertrieb von Reiseangeboten bei BILD Reisen

Data Scientist und Software Engineer Agentic AI OOP SOLID ...
Data Scientist und Software Engineer
Projektbeschreibung:
Mitentwicklung eines innovativen Multi-Agenten-Chatbots für die Plattform: Bild Reisen, um den digitalen Vertrieb von Reiseangeboten zu automatisieren und zu optimieren. Das System führt Nutzer zielführend und interaktiv durch einen qualifizierenden Fragenkatalog, um maßgeschneiderte Urlaubsangebote zu ermitteln.
Die technische Umsetzung basiert auf einer Multi-Agenten-Architektur mittels LangGraph. Durch die Implementierung eines robusten State-Managements werden Kundenpräferenzen (Budget, Reiseziel, Zeitraum) während des Dialogs persistent im Anwendungsstatus gespeichert. Ein koordinierender Supervisor-Agent steuert den Wechsel zwischen spezialisierten Sub-Agenten, um eine flüssige, zielgerichtete und abschlussstarke User Experience zu garantieren.


Aufgaben / Tätigkeiten:

? Architektur & State Management: Konzeption und Implementierung der agentischen Dialog-Graphen mit LangGraph
? Entwicklung verschiedener Strategien um die live Qualität des Chatbots sicherzustellen
? Flow-Steuerung: Entwicklung deterministischer Kontrollflüsse (Routing-Logik) innerhalb des Graphen, um sicherzustellen, dass der Fragenkatalog trotz natürlicher Konversation vollständig und
logisch abgearbeitet wird.
? API-Anbindung: Integration von Schnittstellen zur dynamischen Abfrage von Reisedatenbanken und Verfügbarkeiten basierend auf dem extrahierten User-State.
? Prompt Engineering
? Nutzung von n8n für den Datenaustausch mit dem Frontend
? Aufbau einer Evaluation um Probleme im Live Betrieb zu erkennen
? Kostenoptimierung durch Zusammenfassung des Gesprächsverlaufs, verwendung verschiedener LLM?s etc.
Schwerpunkte / Kenntnisse:
? Verwendung unterschiedlicher Patterns im Bereich Agentic AI
? OOP, SOLID & TDD
? Prompt-Engineering für zielgerichtete Verkaufsgespräche
? Zustandsbasiertes Dialogmanagement zur Modellierung komplexer Konversationszustände und Datenvalidierung

? Qualitätssicherung durch den eigenständigen Aufbau von Evaluationssystemen für den Live-Betrieb

? Kosten und Token Management durch simples Zusammenfassen des Gesprächsverlaufs sowie den strategischen Einsatz verschiedener LLMs zur optimalen Context-Window-Nutzung


Tech-Stack:

? LangGraph / LangChain

? OpenAI API

? Python (LangGraph, Pydantic) ? SQL

? Git / JSON


Benefits:

? Umsatzsteigerung durch einen skalierbaren, automatisierten 24/7-Reisevertrieb

LangGraph LangChain OpenAI API Python Pydantic SQL Git JSON
Agentic AI OOP SOLID TDD
Axelspringer Teaser Ad GmbH
Berlin
8 Monate
2024-09 - 2025-04

Design und Implementation eines Modells zur Erkennung von Impression Anomalien

FULL STACK DEVELOPER Softwareentwicklung Datenpipelines Python ...
FULL STACK DEVELOPER
Projektbeschreibung:
Das Projekt umfasst die Konzeption, Entwicklung und produktive Bereitstellung eines Machine-Learning-Modells zur automatisierten Identifikation von Impressions-Anomalien. Ziel ist es, Abweichungen, Betrugsmuster (Fraud Detection) oder Systemfehler mit minimaler Verzögerung zu erkennen, um Fehlentscheidungen zu verhindern und die Datenqualität nachhaltig zu sichern. Die Integration erfolgt über einen parallelen Datenstrom, wodurch die Auslieferung latenzfrei bleibt; generierte Blacklists werden direkt im Auslieferungssystem gecached.


Aufgaben / Tätigkeiten:

? Exakte Definition der Kriterien für Impressions-Anomalien und datenbasierte Betrugsmuster (Fraud Detection)
? Konzeption und Implementierung der Pipeline für das regelmäßige Offline-Training des Modells

? Erstellung verschiedener Dashboards für das Monitoring und Identifikation betrügerischer Websites
? Integration in das bestehende Inhouse Fraud Score System

? Daten Analyse
? Auswahl eines passenden ML Algorithmus zur Anomalieerkennung, mit ausreichend schneller Inferenzgeschwindigkeit


Schwerpunkte / Kenntnisse:

? Maschinelles Lernen
? OOP, SOLID & TDD

? SQL
? Caching

? Softwareentwicklung
? Monitoring

? Datenpipelines


Tech-Stack:

? Python 3.x
? Scikit-Learn
? Athena (AWS)
? Grafana
? Airflow

? DBeaver (MySQL)
? Docker, UV


Benefits:

? Verbesserung der Traffic Qualität um 1,2%
Maschinelles Lernen OOP SOLID TDD SQL Caching Monitoring
Softwareentwicklung Datenpipelines Python Scikit-Learn Athena AWS Grafana Airflow DBeaver MySQL Docker UV
Axelspringer Teaser Ad GmbH
Berlin
8 Monate
2024-02 - 2024-09

Design und Entwicklung eines Modells, zwecks Ablösung eines externen Anbieters für die interne IAB Klassifikation von Websites

GENERATIVE AI & AGENT ARCHITECT
GENERATIVE AI & AGENT ARCHITECT
Projektbeschreibung:
Konzeption, Architektur und Implementierung eines KI-gestützten Klassifizierungssystems zur automatischen Kategorisierung von Website-Inhalten nach dem internationalen IAB-Standard (Interactive Advertising Bureau). Das primäre Ziel des Projekts war das Inhousing dieser Kompetenz, um die Abhängigkeit von einem externen Drittanbieter vollständig aufzulösen und signifikante Kosten einzusparen.
Das System basiert auf einer modernen RAG-Architektur (Retrieval-Augmented Generation): Über ein Embedding werden die IAB-Kategorien, mittels Few-Shot-Beispiele dynamisch aus einer Vektordatenbank geladen und an Large Language Models (LLM) ChatGPT übergeben. Dies garantiert eine extrem hohe semantische Treffsicherheit bei minimalen Betriebskosten.


Aufgaben / Tätigkeiten:

? Evaluation verschiedener Verfahren, um das Multi Label Problem zu lösen.
? Architekturdesign: Konzeption und Aufbau der RAG-Pipeline (Retrieval-Augmented Generation) zur dynamischen Bereitstellung von IAB-Klassifizierungsbeispielen.
? Daten-Engineering: Aufbereitung, Strukturierung und Embedding der IAB-Taxonomie-Kataloge (Tier 1 bis Tier 3) für die Überführung in eine Vektordatenbank.
? Prompt-Engineering: Entwicklung und Feinabstimmung (Fine-Tuning via Prompts) robuster System-Prompts für ChatGPT zur strukturierten JSON-Ausgabe inklusive Confidence-Scores.
? Schnittstellenentwicklung: Integration der OpenAI-API und Optimierung des Token-Verbrauchs sowie der Latenzzeiten für den produktiven Einsatz.


Schwerpunkte / Kenntnisse:

? Qualitätssicherung: Aufbau einer Evaluations-Pipeline zur Validierung der Klassifizierungsgenauigkeit im Vergleich zum alten Drittanbieter-System.
? Retrieval-Augmented Generation (RAG) & Few-Shot-Prompting

? In-Memory-Vektordatenbanken & Semantische Suche
? Natural Language Processing (NLP) & Text-Klassifizierung
? IAB-Content-Taxonomie (Contextual Targeting)
? API-Integration & Kosten-/Latenzoptimierung von LLMs


Tech-Stack:

? OpenAI API (ChatGPT, text-embedding-Modelle)

? In-Memory Vector DB (z. B. Faiss / Chroma (in-memory) / LanceDB / DuckDB / Athena (AWS)
? Python (NumPy, Pandas, OpenAI SDK)

? JSON / Git
? DBeaver (MySQL)

? Docker, UV


Benefits:

? Ablösung eines externen Klassifizierungsdienstleisters durch ein internes IAB-Klassifikationssystem: Reduktion externer Abhängigkeiten und Betriebskosten

OpenAI In-Memory Vector DB Faiss Chroma LanceDB DuckDB Athena (NumPy Pandas
AdUp
Berlin

Aus- und Weiterbildung

Aus- und Weiterbildung

2 Jahre 1 Monat
2016-04 - 2018-04

Mathematics: Master Computational Engineering

Master of Science, Beuth-Hochschule für Technik Berlin
Master of Science
Beuth-Hochschule für Technik Berlin
? Mathematische Modellierung: Vertiefung in fortgeschrittener statistischer Modellierung, prädiktiver Analytik und numerische Simulationsverfahren für komplexe ingenieurwissenschaftliche Fragestellungen.
? Masterarbeit (in Kooperation mit IAV): Konzeption und Implementierung eines Software-Tools zur automatischen Kategorisierung mehrsprachiger Kurztexte sowie Entwicklung von Algorithmen zur Assoziationsanalyse unter Nutzung verschiedener neuronaler Netzwerk-Topologien.
? Computational Data Science: Vertiefte Kenntnisse in computergestützten Verfahren, algorithmischer Optimierung und der mathematischen Fundierung von Machine-Learning-Prozessen.
4 Jahre 1 Monat
2007-10 - 2011-10

Mathematics: Bachelor of Science

Bachelor of Science, Beuth-Hochschule für Technik Berlin
Bachelor of Science
Beuth-Hochschule für Technik Berlin
? Konzeption und Gestaltung
? Mathematische Grundlagen: Fundierte Ausbildung in Analysis, linearer Algebra, Stochastik, numerischer Mathematik und angewandter Statistik.
? Bachelorarbeit (in Kooperation mit Fraunhofer ITWM): Entwicklung, Implementierung und Integration von Algorithmen zur schnellen expliziten Diffusion (Fast Explicit Diffusion) im Software-Framework ToolIp.
? Software-Engineering & IT-Infrastruktur: Praktische Anwendung mathematischer Algorithmen in Programmiersprachen sowie erste Fokussierung auf datengetriebene Systeme und Web-Services.

Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

6 Monate
2026-01 - 2026-06

Optimierung des Gebots im Real Time Bidding Kontexts

PROJEKT LEAD / DATA PRODUCT OWNER Visualisierung Softwareentwicklung Datenanalyse ...
PROJEKT LEAD / DATA PRODUCT OWNER
Projektbeschreibung:
Proof of Concept von mathematischen Gleichungen zur datengetriebenen Optimierung des Real-Time-Bidding (RTB) Systems für programmatischen Media-Einkauf. Ziel des Projektes war die präzise Modellierung von Gebotslandschaften (Bid Landscaping), um Gewinnmargen zu maximieren.


Aufgaben / Tätigkeiten:

? Aufstellen und Lösen einer zentralen Optimierungsgleichung zur Maximierung von Gewinnmargen ? Analyse historischer Auktionsdaten zur mathematischen Modellierung komplexer Gebotslandschaften (Bid Landscaping, XGBoost)
? Konzeption und Implementierung von Algorithmen zur dynamischen Gebotsanpassung basierend auf der berechneten Win-Rate-Wahrscheinlichkeit, um das globale Maximum zu finden
? Optimierung der Modell-Inferenzzeiten auf Millisekunden-Ebene zur Gewährleistung der Echtzeitfähigkeit innerhalb der Real-Time-Bidding (RTB) Timeouts
? Vergleich verschiedener Modelle hinsichtlich Vorhersagegenauigkeit der Win-Rate-Wahrscheinlichkeit und Inferenzgeschwindigkeit im Live-Betrieb
? Erstellung eines Dashboards zwecks Monitorings


Schwerpunkte / Kenntnisse:

? Visualisierung
? Softwareentwicklung ? Datenanalyse
? Monitoring
? Optimierung
? Dashboard Erstellung


Tech-Stack:

? Python 3.x
? Athena (AWS, S3) ? Apache Airflow
? Grafana
? DBeaver (MySQL) ? Docker, UV


Benefits:

? 50% günstigerer Einkauf bestimmter Placement-Gruppen bei 15% Umsatzverlust.
? Verbesserung der Kampagnen Performance und Erhöhung des ROI um ~20% innerhalb dieser Placement Gruppen
Python Athena AWS S3 Apache Airflow Grafana DBeaver MySQL Docker UV
Visualisierung Softwareentwicklung Datenanalyse Monitoring Optimierung Dashboard Erstellung
Axelspringer Teaser Ad GmbH
Berlin
9 Monate
2025-04 - 2025-12

Entwicklung eines Multi-Agent-Chatbots für den digitalen Vertrieb von Reiseangeboten bei BILD Reisen

Data Scientist und Software Engineer Agentic AI OOP SOLID ...
Data Scientist und Software Engineer
Projektbeschreibung:
Mitentwicklung eines innovativen Multi-Agenten-Chatbots für die Plattform: Bild Reisen, um den digitalen Vertrieb von Reiseangeboten zu automatisieren und zu optimieren. Das System führt Nutzer zielführend und interaktiv durch einen qualifizierenden Fragenkatalog, um maßgeschneiderte Urlaubsangebote zu ermitteln.
Die technische Umsetzung basiert auf einer Multi-Agenten-Architektur mittels LangGraph. Durch die Implementierung eines robusten State-Managements werden Kundenpräferenzen (Budget, Reiseziel, Zeitraum) während des Dialogs persistent im Anwendungsstatus gespeichert. Ein koordinierender Supervisor-Agent steuert den Wechsel zwischen spezialisierten Sub-Agenten, um eine flüssige, zielgerichtete und abschlussstarke User Experience zu garantieren.


Aufgaben / Tätigkeiten:

? Architektur & State Management: Konzeption und Implementierung der agentischen Dialog-Graphen mit LangGraph
? Entwicklung verschiedener Strategien um die live Qualität des Chatbots sicherzustellen
? Flow-Steuerung: Entwicklung deterministischer Kontrollflüsse (Routing-Logik) innerhalb des Graphen, um sicherzustellen, dass der Fragenkatalog trotz natürlicher Konversation vollständig und
logisch abgearbeitet wird.
? API-Anbindung: Integration von Schnittstellen zur dynamischen Abfrage von Reisedatenbanken und Verfügbarkeiten basierend auf dem extrahierten User-State.
? Prompt Engineering
? Nutzung von n8n für den Datenaustausch mit dem Frontend
? Aufbau einer Evaluation um Probleme im Live Betrieb zu erkennen
? Kostenoptimierung durch Zusammenfassung des Gesprächsverlaufs, verwendung verschiedener LLM?s etc.
Schwerpunkte / Kenntnisse:
? Verwendung unterschiedlicher Patterns im Bereich Agentic AI
? OOP, SOLID & TDD
? Prompt-Engineering für zielgerichtete Verkaufsgespräche
? Zustandsbasiertes Dialogmanagement zur Modellierung komplexer Konversationszustände und Datenvalidierung

? Qualitätssicherung durch den eigenständigen Aufbau von Evaluationssystemen für den Live-Betrieb

? Kosten und Token Management durch simples Zusammenfassen des Gesprächsverlaufs sowie den strategischen Einsatz verschiedener LLMs zur optimalen Context-Window-Nutzung


Tech-Stack:

? LangGraph / LangChain

? OpenAI API

? Python (LangGraph, Pydantic) ? SQL

? Git / JSON


Benefits:

? Umsatzsteigerung durch einen skalierbaren, automatisierten 24/7-Reisevertrieb

LangGraph LangChain OpenAI API Python Pydantic SQL Git JSON
Agentic AI OOP SOLID TDD
Axelspringer Teaser Ad GmbH
Berlin
8 Monate
2024-09 - 2025-04

Design und Implementation eines Modells zur Erkennung von Impression Anomalien

FULL STACK DEVELOPER Softwareentwicklung Datenpipelines Python ...
FULL STACK DEVELOPER
Projektbeschreibung:
Das Projekt umfasst die Konzeption, Entwicklung und produktive Bereitstellung eines Machine-Learning-Modells zur automatisierten Identifikation von Impressions-Anomalien. Ziel ist es, Abweichungen, Betrugsmuster (Fraud Detection) oder Systemfehler mit minimaler Verzögerung zu erkennen, um Fehlentscheidungen zu verhindern und die Datenqualität nachhaltig zu sichern. Die Integration erfolgt über einen parallelen Datenstrom, wodurch die Auslieferung latenzfrei bleibt; generierte Blacklists werden direkt im Auslieferungssystem gecached.


Aufgaben / Tätigkeiten:

? Exakte Definition der Kriterien für Impressions-Anomalien und datenbasierte Betrugsmuster (Fraud Detection)
? Konzeption und Implementierung der Pipeline für das regelmäßige Offline-Training des Modells

? Erstellung verschiedener Dashboards für das Monitoring und Identifikation betrügerischer Websites
? Integration in das bestehende Inhouse Fraud Score System

? Daten Analyse
? Auswahl eines passenden ML Algorithmus zur Anomalieerkennung, mit ausreichend schneller Inferenzgeschwindigkeit


Schwerpunkte / Kenntnisse:

? Maschinelles Lernen
? OOP, SOLID & TDD

? SQL
? Caching

? Softwareentwicklung
? Monitoring

? Datenpipelines


Tech-Stack:

? Python 3.x
? Scikit-Learn
? Athena (AWS)
? Grafana
? Airflow

? DBeaver (MySQL)
? Docker, UV


Benefits:

? Verbesserung der Traffic Qualität um 1,2%
Maschinelles Lernen OOP SOLID TDD SQL Caching Monitoring
Softwareentwicklung Datenpipelines Python Scikit-Learn Athena AWS Grafana Airflow DBeaver MySQL Docker UV
Axelspringer Teaser Ad GmbH
Berlin
8 Monate
2024-02 - 2024-09

Design und Entwicklung eines Modells, zwecks Ablösung eines externen Anbieters für die interne IAB Klassifikation von Websites

GENERATIVE AI & AGENT ARCHITECT
GENERATIVE AI & AGENT ARCHITECT
Projektbeschreibung:
Konzeption, Architektur und Implementierung eines KI-gestützten Klassifizierungssystems zur automatischen Kategorisierung von Website-Inhalten nach dem internationalen IAB-Standard (Interactive Advertising Bureau). Das primäre Ziel des Projekts war das Inhousing dieser Kompetenz, um die Abhängigkeit von einem externen Drittanbieter vollständig aufzulösen und signifikante Kosten einzusparen.
Das System basiert auf einer modernen RAG-Architektur (Retrieval-Augmented Generation): Über ein Embedding werden die IAB-Kategorien, mittels Few-Shot-Beispiele dynamisch aus einer Vektordatenbank geladen und an Large Language Models (LLM) ChatGPT übergeben. Dies garantiert eine extrem hohe semantische Treffsicherheit bei minimalen Betriebskosten.


Aufgaben / Tätigkeiten:

? Evaluation verschiedener Verfahren, um das Multi Label Problem zu lösen.
? Architekturdesign: Konzeption und Aufbau der RAG-Pipeline (Retrieval-Augmented Generation) zur dynamischen Bereitstellung von IAB-Klassifizierungsbeispielen.
? Daten-Engineering: Aufbereitung, Strukturierung und Embedding der IAB-Taxonomie-Kataloge (Tier 1 bis Tier 3) für die Überführung in eine Vektordatenbank.
? Prompt-Engineering: Entwicklung und Feinabstimmung (Fine-Tuning via Prompts) robuster System-Prompts für ChatGPT zur strukturierten JSON-Ausgabe inklusive Confidence-Scores.
? Schnittstellenentwicklung: Integration der OpenAI-API und Optimierung des Token-Verbrauchs sowie der Latenzzeiten für den produktiven Einsatz.


Schwerpunkte / Kenntnisse:

? Qualitätssicherung: Aufbau einer Evaluations-Pipeline zur Validierung der Klassifizierungsgenauigkeit im Vergleich zum alten Drittanbieter-System.
? Retrieval-Augmented Generation (RAG) & Few-Shot-Prompting

? In-Memory-Vektordatenbanken & Semantische Suche
? Natural Language Processing (NLP) & Text-Klassifizierung
? IAB-Content-Taxonomie (Contextual Targeting)
? API-Integration & Kosten-/Latenzoptimierung von LLMs


Tech-Stack:

? OpenAI API (ChatGPT, text-embedding-Modelle)

? In-Memory Vector DB (z. B. Faiss / Chroma (in-memory) / LanceDB / DuckDB / Athena (AWS)
? Python (NumPy, Pandas, OpenAI SDK)

? JSON / Git
? DBeaver (MySQL)

? Docker, UV


Benefits:

? Ablösung eines externen Klassifizierungsdienstleisters durch ein internes IAB-Klassifikationssystem: Reduktion externer Abhängigkeiten und Betriebskosten

OpenAI In-Memory Vector DB Faiss Chroma LanceDB DuckDB Athena (NumPy Pandas
AdUp
Berlin

Aus- und Weiterbildung

Aus- und Weiterbildung

2 Jahre 1 Monat
2016-04 - 2018-04

Mathematics: Master Computational Engineering

Master of Science, Beuth-Hochschule für Technik Berlin
Master of Science
Beuth-Hochschule für Technik Berlin
? Mathematische Modellierung: Vertiefung in fortgeschrittener statistischer Modellierung, prädiktiver Analytik und numerische Simulationsverfahren für komplexe ingenieurwissenschaftliche Fragestellungen.
? Masterarbeit (in Kooperation mit IAV): Konzeption und Implementierung eines Software-Tools zur automatischen Kategorisierung mehrsprachiger Kurztexte sowie Entwicklung von Algorithmen zur Assoziationsanalyse unter Nutzung verschiedener neuronaler Netzwerk-Topologien.
? Computational Data Science: Vertiefte Kenntnisse in computergestützten Verfahren, algorithmischer Optimierung und der mathematischen Fundierung von Machine-Learning-Prozessen.
4 Jahre 1 Monat
2007-10 - 2011-10

Mathematics: Bachelor of Science

Bachelor of Science, Beuth-Hochschule für Technik Berlin
Bachelor of Science
Beuth-Hochschule für Technik Berlin
? Konzeption und Gestaltung
? Mathematische Grundlagen: Fundierte Ausbildung in Analysis, linearer Algebra, Stochastik, numerischer Mathematik und angewandter Statistik.
? Bachelorarbeit (in Kooperation mit Fraunhofer ITWM): Entwicklung, Implementierung und Integration von Algorithmen zur schnellen expliziten Diffusion (Fast Explicit Diffusion) im Software-Framework ToolIp.
? Software-Engineering & IT-Infrastruktur: Praktische Anwendung mathematischer Algorithmen in Programmiersprachen sowie erste Fokussierung auf datengetriebene Systeme und Web-Services.

Vertrauen Sie auf Randstad

Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

Fragen?

Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

Das Freelancer-Portal

Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.