a Randstad company

Data Scientist, Mathematiker, Python Entwickler, AI Prototypen-Entwickler

Profil
Verfügbar ab
01.09.2022
Noch verfügbar - Schnell sein lohnt sich: Der Experte kann bereits für Projekte vorgesehen sein.
Verfügbar zu
100%
davon vor Ort
100%
Einsatzorte

PLZ-Gebiete
Länder
Ganz Deutschland
Remote-Arbeit
möglich
Art des Profiles
Mitarbeiter eines Dienstleisters
Der Experte ist ein festangestellter Mitarbeiter eines Unternehmens aus dem IT- und Engineering-Bereich.

1 Jahr 7 Monate

2021-03

heute

Data Science Meta-Analyse

Projektinhalte

Data Science Meta-Analyse für Process Mining ?Welche Einflussfaktoren erzeugen Mehrarbeit??

Da keine Pareto-Prinzipien in den Prozessen sichtbar sind, müssen viele Prozessdaten in ihrer Wichtigkeit für wiederkehrende Fragetypen abgewogen und ggf. entfernt werden.

  • Entwurf einer Voranalyse zur Ergänzung der Celonis-Software
  • Python-Prototyp als Command Line Tool an SQL Server Daten
  • Kommunikation mit der Process Mining Expertin bei ECE, Onboarding des Werkstudenten und Masteranden in das Verfahren

Kunde
ECE Group GmbH & Co. KG
3 Jahre 1 Monat

2019-09

heute

verschiedenes

Projektinhalte
  • Data Science Coaching für Auszubildende, Praktikant*innen, Werkstudent*innen bei [auf Anfrage] und Geschäftspartnern
  • Vorträge
  • Data Science Q&A bei [auf Anfrage] Hamburg (3.11.2020) im Rahmen deren Data Science Bootcamps
Kunde
auf Anfrage
2 Monate

2020-06

2020-07

Semantisches Clustering

Projektinhalte

Semantisches Clustering und Priorisierung des existierenden Artikel-Korpus

  • Erhebung, Standardisierung und Aggregation der Datenquellen: 
  1. Scraping der redaktionellen Inhalte sowohl interner als auch externer Seiten
  2. Verknüpfung der Inhalte mit dem Nutzer*innen-Interesse der letzten drei Jahre gemäß Tracking-Daten
  • Definition passender KPIs mit der Redaktionsleitung zur Priorisierung der relevanten Artikelgruppen
  • Identifikation von semantischen Clustern und Überführung in eine vereinfachte Menüstruktur
  • Entwurf einer automatisierten Verschlagwortung als Systematisierung der existierenden manuellen Verschlagwortung
  1. Google Sheets, Python, SQL
  2. Mathematische Grundlagen von Machine Learning (Lineare Algebra, Fourier- und Taylorreihen, iterative Methoden, speziell Gradientenabstieg, Newton-Verfahren)
  3. Grundlagentraining, um Selbststudium von Deep Learning zu ermöglichen
  • Entwurf von Empfehlungssystemen (recommendation engines) für insbesondere E-Commerce-Kund*innen
  1. Die konkrete Realisierung der Verschlagwortung bedarf nur weniger angepasster SQL-Queries im CMS
Ergebnisse
  • Etwa 1% der Artikel erfassen 50% des Interesses der Nutzer*innen, etwa 80% der Artikel müssen höchstens auf Anfrage migriert werden.
  • Der rein design-getriebene Entwurf der Seiten-Navigation ist durch die Daten als gleichmäßige Aufteilung validiert, insbesondere gibt es keine leeren oder übervollen Kategorien.
  • Die Verschlagwortung ist in ihrer Benutzung vereinfacht und damit stabiler über die verschiedenen Nutzer*innen, die mit ihr zu verschiedenen Zeitpunkten arbeiten.

Kunde
IG Metall
3 Monate

2020-03

2020-05

Semantisches Clustering

Projektinhalte

Semantisches Clustering und Priorisierung des existierenden Artikel-Korpus

  • Erhebung, Standardisierung und Aggregation der Datenquellen: 
  1. Scraping der redaktionellen Inhalte sowohl interner als auch externer Seiten
  2. Verknüpfung der Inhalte mit dem Nutzer*innen-Interesse der letzten drei Jahre gemäß Tracking-Daten
  • Definition passender KPIs mit der Redaktionsleitung zur Priorisierung der relevanten Artikelgruppen
  • Identifikation von semantischen Clustern und Überführung in eine vereinfachte Menüstruktur
  • Entwurf einer automatisierten Verschlagwortung als Systematisierung der existierenden manuellen Verschlagwortung
  1. Google Sheets, Python, SQL
  2. Mathematische Grundlagen von Machine Learning (Lineare Algebra, Fourier- und Taylorreihen, iterative Methoden, speziell Gradientenabstieg, Newton-Verfahren)
  3. Grundlagentraining, um Selbststudium von Deep Learning zu ermöglichen
  • Entwurf von Empfehlungssystemen (recommendation engines) für insbesondere E-Commerce-Kund*innen
  1. Die konkrete Realisierung der Verschlagwortung bedarf nur weniger angepasster SQL-Queries im CMS
Ergebnisse: 
  • Etwa 1% der Artikel erfassen 50% des Interesses der Nutzer*innen, etwa 80% der Artikel müssen höchstens auf Anfrage migriert werden.
  • Der rein design-getriebene Entwurf der Seiten-Navigation ist durch die Daten als gleichmäßige Aufteilung validiert, insbesondere gibt es keine leeren oder übervollen Kategorien.
  • Die Verschlagwortung ist in ihrer Benutzung vereinfacht und damit stabiler über die verschiedenen Nutzer*innen, die mit ihr zu verschiedenen Zeitpunkten arbeiten.

Kunde
IG Metall
1 Jahr 6 Monate

2018-01

2019-06

verschiedene Projekte im Bereich Mobile Marketing

Team Lead Business Intelligence
Rolle
Team Lead Business Intelligence
Projektinhalte

Auswahl der interessantesten Projekte:


2018 - 01 - 2018 - 09: Datengetriebene Marketing-Budgetplanung durch Umsatz- und Gewinn-Vorhersage
  • Fachliche und Personelle Anleitung des Forschungsprojekts in regelmäßiger Absprache mit der Geschäftsführung 
  • Konkrete Realisierung des Prototypen in Python / SQL als automatische Mail
  • Anleitung der Implementation des fertigen Produkts durch das Backend-Entwickler*innen-Team
Ergebnis
  • Erhöhung des Gewinnanteils von 20% auf 40% bei absolut gestiegenem Umsatz

2018 - 03: Datengetriebene Produktentwicklung nach Kund*innenclustern 
  • Erhebung geeigneter Kriterien zur Kund:innensegmentierung in Zusammenarbeit mit der Geschäftsführung
  • Sichtung der Cluster, Identifikation zweier hochwertiger Gruppen
  • Spezifikation der zielgruppengerechten Ansprache in neu entwickelten Clients seit Juni 2018
Ergebnis
  • Stärkste App der Gruppe (30-50% Gesamtumsatzanteil) bis mindestens Sommer 2019

2018 - 06 - 2019 - 06:  Aktives Qualitätsmonitoring für AppLike-Kund*innen 
  • Systematisierung der In-App-Aktivitäten von AppLike-Nutzer*innen in den Apps der Kund*innen zur einfachen Erhebung, Aggregation und Auswertung durch die Business-Nutzer*innen
  • Definition und Analyse der relevanten Ziel-KPIs pro Unternehmen (z. B.: Zeitpunkt erster Umsatz, Spieldauer am ersten Tag)
  • Realisierung als automatisierte Reports und Sheets für das Vertriebsteam
Ergebnis
  • Einige Unternehmen setzen solche Tools voraus und ließen sich damit als Kund*innen (zurück-)gewinnen, Bestandskund*innen schätzen die gestiegene Qualität des Marketings bei AppLike ohne höhere Ausgaben zu haben

2018 - 01: Definition und Implementation der ?Impact Plots? zusammen mit der Head of Sales
  • Systematisierung der Frage ?Warum sinkt / steigt der Umsatz?? in ein Produkt verschiedener KPIs
  • Mathematische Aufarbeitung der Produktbeschreibung in ein Ranking von umsatztreibenden und -dämpfenden Faktoren
  • Implementation als automatische Mail (R, Python)
Ergebnis
  • Die Teams in AppLike können dauerhaft selbstständig identifizieren, welche der KPIs, die sie beeinflussen können, in gutem Zustand sind und welche Tagespriorität brauchen.

2017 - 03 - 2019 - 06: KPI-getriebene Identifikation von Betrugsmustern 
  • Identifikation der Auszahlungsversuche, die sich nur scheinbar auf mehrere tausende Nutzer*innen verteilen aber tatsächlich VPN-Nutzung, Bot-Farmen oder ähnliche Patterns anzeigen
  • Definition von Heuristiken mit dem Backend-Team zur Implementation unmittelbar im Backend 
Ergebnis
  • Externe Unternehmen bewerten in marktbekannten jährlichen Rankings die Traffic-Qualität der AppLike Group als Top10-betrugsfrei nach Markt-Standard (URL auf Anfrage)

Diverse:
  • Bewertung einer angemessenen Data Warehouse Lösung für AppLike BI, Einrichtung von AWS RedShift zu diesem Zweck (Erhebung: 09.2018, Nutzung seit 10.2018)
  • Fachliche und persönliche Anleitung eines Werkstudenten und einer Vollzeitkraft 
  • 2019 - 01 - 2019 - 07: Betreuung einer Masterarbeit zur synthetischen Generierung neuer Betrugspatterns mit neuronalen Netzen (URL auf Anfrage)
  • 2018 - 03 - 2018 - 04: Interim Product Owner zur Abspaltung des ?Sales Backend? vom Backend Monolithen

Kunde
AppLike Group
1 Monat

2019-01

2019-01

Semantisches Clustering

Projektinhalte

Semantisches Clustering und Priorisierung des existierenden Artikel-Korpus

  • Erhebung, Standardisierung und Aggregation der Datenquellen: 
  1. Scraping der redaktionellen Inhalte sowohl interner als auch externer Seiten
  2. Verknüpfung der Inhalte mit dem Nutzer*innen-Interesse der letzten drei Jahre gemäß Tracking-Daten
  • Definition passender KPIs mit der Redaktionsleitung zur Priorisierung der relevanten Artikelgruppen
  • Identifikation von semantischen Clustern und Überführung in eine vereinfachte Menüstruktur
  • Entwurf einer automatisierten Verschlagwortung als Systematisierung der existierenden manuellen Verschlagwortung
  1. Google Sheets, Python, SQL
  2. Mathematische Grundlagen von Machine Learning (Lineare Algebra, Fourier- und Taylorreihen, iterative Methoden, speziell Gradientenabstieg, Newton-Verfahren)
  3. Grundlagentraining, um Selbststudium von Deep Learning zu ermöglichen
  • Entwurf von Empfehlungssystemen (recommendation engines) für insbesondere E-Commerce-Kund*innen
  1. Die konkrete Realisierung der Verschlagwortung bedarf nur weniger angepasster SQL-Queries im CMS
Ergebnisse
  • Etwa 1% der Artikel erfassen 50% des Interesses der Nutzer*innen, etwa 80% der Artikel müssen höchstens auf Anfrage migriert werden.
  • Der rein design-getriebene Entwurf der Seiten-Navigation ist durch die Daten als gleichmäßige Aufteilung validiert, insbesondere gibt es keine leeren oder übervollen Kategorien.
  • Die Verschlagwortung ist in ihrer Benutzung vereinfacht und damit stabiler über die verschiedenen Nutzer*innen, die mit ihr zu verschiedenen Zeitpunkten arbeiten.

Kunde
IG Metall
1 Jahr 2 Monate

2016-11

2017-12

Business Intelligence für Mobile Marketing

Python SQL matplotlib ...
Projektinhalte

  • Entwicklung automatischer täglicher Reports und Plots mit den Business-Teams
  • Entwicklung und Wartung der Rechnungssoftware inkl. Monats- und Jahresabschlüssen; Mitentwicklung und Realisierung des Rechnungsprozesses zusammen mit der Controlling-Abteilung von Gruner & Jahr (Bertelsmann)
  • Business-bezogene Ad-hoc Analysen und technischer Support für interne und externe Stakeholder der AppLike-Systeme

Kenntnisse
Python SQL matplotlib R ggplot Javascript / Google Sheets ElasticSearch RedShift
Kunde
AppLike Group

  • Consulting
  • Data Scientist

Deutsch
Englisch

Schwerpunkte
Data Scientist
Experte
Mathematiker
Experte
Python Entwicklung
Experte
Prototypen-Entwicklung
Experte
Produkte / Standards / Erfahrungen / Methoden
Numpy Pandas Scikit-Learn Kepler Tensorflow Scikit-TDA Office VSCode Tableau Matlab RStudio AWS Redshift AWS DMS Talend Machine Learning Deep Learning Explorative Datenanalyse (EDA) Topologische Datenanalyse (TDA) Natural Language Processing (NLP) Numerik Statistik Algebra Partielle Differentialgleichungen

Fachliche Kenntnisse

  • Online Marketing, Mobile Marketing
  • Mobile Games, E-Commerce
  • Web Content/ CMS
  • Lehr- und Vortragserfahrung

Programmiersprachen
Python SQL JavaScript bash R Java Scala Spark HTML XML JSON LaTeX
Datenbanken
PostgreSQL MySQL Oracle SQL SQL Server AWS Redshift ElasticSearch Solr OrientDB neo4j SQLite MS Access
Ihr Kontakt zu Gulp

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

Jetzt bei GULP Direkt registrieren und Freelancer kontaktieren