Senior Data Analyst: Datenbanken, Big Data, Predictive Analytics, Machine Learning
Aktualisiert am 25.05.2024
Profil
Referenzen (2)
Freiberufler / Selbstständiger
Verfügbar ab: 01.10.2024
Verfügbar zu: 80%
davon vor Ort: 100%
MS SQL Server
MS Access
MS SQL Server Integration Services
PL-SQL
PostgreSQL
MS Excel
MS Power BI
MS PowerQuery
Python
Statistik
Datenanalyse
Deutsch
Muttersprache
Englisch
Fließend

Einsatzorte

Einsatzorte

Deutschland
nicht möglich

Projekte

Projekte

6 Jahre 5 Monate
2018-05 - heute

Datawarehouse - laufende Weiterentwicklung

Software-Entwickler MS SQL PL-SQL MS SQL Server Integration Services
Software-Entwickler

Pflege und Erweiterung eines Datawarehouse's zum Monitoring der laufenden klinischen Studien. Neu (im technischen Sinne) ist die schrittweise Umstellung des Reportings von Sharepoint nach Power BI.

Microsoft Visual Studio 2017 Microsoft SQL Server 2017 Oracle/SQL
MS SQL PL-SQL MS SQL Server Integration Services
Würzburg
7 Jahre 8 Monate
2017-02 - heute

Datenanalysen (lfds. Projekt)

Daten Analyst PL-SQL MS Excel
Daten Analyst

Ad-hoc Oracle-Queries zu laufenden klinischen Studien, insbesondere Outlier-Analysen und Untersuchungen zu Sonderfällen, vermeintlichen Fehlern und absichtlicher Täuschung. Zur Abfrage der Oracle-Datenbanken wird DBeaver eingesetzt. Das Reporting erfolgt in csv oder Excel.

DBeaver Oracle 12c MS Excel
PL-SQL MS Excel
Würzburg
8 Monate
2018-10 - 2019-05

Machine Learning: Overread-Automatisierung

Projektleiter / Entwickler Python Pandas Sklearn ...
Projektleiter / Entwickler
"Proof of Concept" Projekt. Gezeigt werden soll, dass die Qualitätsbeurteilung von Lungenfunktionsmessreihen (Spirometrie) weitgehend automatisiert werden kann. Diese Qualitätsbeurteilung (Overreads) werden bisher von einem kostenintensiven weltweiten Netz von Lungenfachärzten durchgeführt.
Bei einem Dataset mit 170.000 qualifizierten Messreihen wird mit verschiedenen Klassifizierern und Meta-Parameter Variationen untersucht, ob ein hoher Anteil der Overreads (> 80 %) mit großer Zuverlässigkeit (False-Positiv-Prognosequote < 0,5 %) per ML automatisch klassifiziert werden können. Außerdem wird geprüft, auf welchem Weg (Webservice, ONNX-File) der resultierende ML-Algorithmus optimal für Anwendungen verfügbar gemacht werden kann.
Die eingesetzen Klassifizierer sind: SVM/Stützvektoren (Gauss, Sigmoid, Maximum Margin, Kernel), k-Nearest Neighbor und Random Forest.
Deep-Learning-Verfahren sind zunächst nicht geplant.   
Python 3.6 MS-SQL Server DBeaver
Python Pandas Sklearn Oracle/SQL MS SQL
Würzburg

Aus- und Weiterbildung

Aus- und Weiterbildung

1 Monat
2021-02 - 2021-02

Künstliche Intelligenz mit Deep Learning

Erfolgreiche Teilnahme, Heise Akademie
Erfolgreiche Teilnahme
Heise Akademie

Vier Tage Intensivkurs

6 Monate
2017-06 - 2017-11

Scrum Training

Certificate of Achievement, ERT
Certificate of Achievement
ERT
8 Monate
2009-07 - 2010-02

Business English Level 6

Sehr gut, Berlitz
Sehr gut
Berlitz

Kompetenzen

Kompetenzen

Top-Skills

MS SQL Server MS Access MS SQL Server Integration Services PL-SQL PostgreSQL MS Excel MS Power BI MS PowerQuery Python Statistik Datenanalyse

Produkte / Standards / Erfahrungen / Methoden

Microsoft Visual Studio 2017
Neben meinen technischen Fähigkeiten biete ich Ihnen:
  • Kommunikationsstärke und Verantwortungsbewußtsein,
  • solide Statistik-Kenntnisse
  • sehr guten mündlichen und schriftlichen Ausdruck,
  • Konzeptionsstärke und
  • selbständiges Arbeiten.

Meine Erfahrungen machte ich in den Bereichen:
  • Pharma: Datenbankentwicklung, ETL und Customizing für klinische Studien,
  • Immobilien: Bewertung und Verwaltung von Immobilien-Portfolios,
  • Banken: Abwicklungsplattform für leistungsgestörte Kredite,
  • Wirtschaftsprüfung: Portfolioerfassung, -analyse und -bewertung,
  • Analyse und Aufbereitung von TV-Leistungswerten und
  • Warenwirtschaft / ERP / PPS




Programmiersprachen

C#
Kenntnisse
Pandas
Kenntnisse
PLSQL
Gute Kenntnisse
Python
Kenntnisse
Sklearn
Kenntnisse
T-SQL
Sehr gute Kenntnisse
VB.NET
Kenntnisse
VBA
Sehr gute Kenntnisse

Datenbanken

MS Access 2013
Sehr gute Kenntnisse
MS SQL Server 2017
Gute Kenntnisse
MS SQL Server Integration Services
Gute Kenntnisse
Oracle 12c
Kenntnisse
PostgreSQL
Kenntnisse

Datenkommunikation

 

Branchen

Branchen

Banken / Finanzdienstleister
Pharma
Immobilien
Industrie / Produzierendes Gewerbe
Handel / Großhandel
Medien / TV / Fernsehen

Einsatzorte

Einsatzorte

Deutschland
nicht möglich

Projekte

Projekte

6 Jahre 5 Monate
2018-05 - heute

Datawarehouse - laufende Weiterentwicklung

Software-Entwickler MS SQL PL-SQL MS SQL Server Integration Services
Software-Entwickler

Pflege und Erweiterung eines Datawarehouse's zum Monitoring der laufenden klinischen Studien. Neu (im technischen Sinne) ist die schrittweise Umstellung des Reportings von Sharepoint nach Power BI.

Microsoft Visual Studio 2017 Microsoft SQL Server 2017 Oracle/SQL
MS SQL PL-SQL MS SQL Server Integration Services
Würzburg
7 Jahre 8 Monate
2017-02 - heute

Datenanalysen (lfds. Projekt)

Daten Analyst PL-SQL MS Excel
Daten Analyst

Ad-hoc Oracle-Queries zu laufenden klinischen Studien, insbesondere Outlier-Analysen und Untersuchungen zu Sonderfällen, vermeintlichen Fehlern und absichtlicher Täuschung. Zur Abfrage der Oracle-Datenbanken wird DBeaver eingesetzt. Das Reporting erfolgt in csv oder Excel.

DBeaver Oracle 12c MS Excel
PL-SQL MS Excel
Würzburg
8 Monate
2018-10 - 2019-05

Machine Learning: Overread-Automatisierung

Projektleiter / Entwickler Python Pandas Sklearn ...
Projektleiter / Entwickler
"Proof of Concept" Projekt. Gezeigt werden soll, dass die Qualitätsbeurteilung von Lungenfunktionsmessreihen (Spirometrie) weitgehend automatisiert werden kann. Diese Qualitätsbeurteilung (Overreads) werden bisher von einem kostenintensiven weltweiten Netz von Lungenfachärzten durchgeführt.
Bei einem Dataset mit 170.000 qualifizierten Messreihen wird mit verschiedenen Klassifizierern und Meta-Parameter Variationen untersucht, ob ein hoher Anteil der Overreads (> 80 %) mit großer Zuverlässigkeit (False-Positiv-Prognosequote < 0,5 %) per ML automatisch klassifiziert werden können. Außerdem wird geprüft, auf welchem Weg (Webservice, ONNX-File) der resultierende ML-Algorithmus optimal für Anwendungen verfügbar gemacht werden kann.
Die eingesetzen Klassifizierer sind: SVM/Stützvektoren (Gauss, Sigmoid, Maximum Margin, Kernel), k-Nearest Neighbor und Random Forest.
Deep-Learning-Verfahren sind zunächst nicht geplant.   
Python 3.6 MS-SQL Server DBeaver
Python Pandas Sklearn Oracle/SQL MS SQL
Würzburg

Aus- und Weiterbildung

Aus- und Weiterbildung

1 Monat
2021-02 - 2021-02

Künstliche Intelligenz mit Deep Learning

Erfolgreiche Teilnahme, Heise Akademie
Erfolgreiche Teilnahme
Heise Akademie

Vier Tage Intensivkurs

6 Monate
2017-06 - 2017-11

Scrum Training

Certificate of Achievement, ERT
Certificate of Achievement
ERT
8 Monate
2009-07 - 2010-02

Business English Level 6

Sehr gut, Berlitz
Sehr gut
Berlitz

Kompetenzen

Kompetenzen

Top-Skills

MS SQL Server MS Access MS SQL Server Integration Services PL-SQL PostgreSQL MS Excel MS Power BI MS PowerQuery Python Statistik Datenanalyse

Produkte / Standards / Erfahrungen / Methoden

Microsoft Visual Studio 2017
Neben meinen technischen Fähigkeiten biete ich Ihnen:
  • Kommunikationsstärke und Verantwortungsbewußtsein,
  • solide Statistik-Kenntnisse
  • sehr guten mündlichen und schriftlichen Ausdruck,
  • Konzeptionsstärke und
  • selbständiges Arbeiten.

Meine Erfahrungen machte ich in den Bereichen:
  • Pharma: Datenbankentwicklung, ETL und Customizing für klinische Studien,
  • Immobilien: Bewertung und Verwaltung von Immobilien-Portfolios,
  • Banken: Abwicklungsplattform für leistungsgestörte Kredite,
  • Wirtschaftsprüfung: Portfolioerfassung, -analyse und -bewertung,
  • Analyse und Aufbereitung von TV-Leistungswerten und
  • Warenwirtschaft / ERP / PPS




Programmiersprachen

C#
Kenntnisse
Pandas
Kenntnisse
PLSQL
Gute Kenntnisse
Python
Kenntnisse
Sklearn
Kenntnisse
T-SQL
Sehr gute Kenntnisse
VB.NET
Kenntnisse
VBA
Sehr gute Kenntnisse

Datenbanken

MS Access 2013
Sehr gute Kenntnisse
MS SQL Server 2017
Gute Kenntnisse
MS SQL Server Integration Services
Gute Kenntnisse
Oracle 12c
Kenntnisse
PostgreSQL
Kenntnisse

Datenkommunikation

 

Branchen

Branchen

Banken / Finanzdienstleister
Pharma
Immobilien
Industrie / Produzierendes Gewerbe
Handel / Großhandel
Medien / TV / Fernsehen

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.