PROFILData Scientist und Machine Learning Engineer mit über zehn Jahren Erfahrung - von der wissenschaftlichen Forschung bis zum produktiven Cloud-Deployment. Deckt den gesamten ML-Lebenszyklus ab: Datenaufbereitung und Daten-Engineering, Modellentwicklung, MLOps und den Betrieb produktiver Modelle. Arbeitsschwerpunkte in Machine Learning und Deep Learning, Zeitreihenprognose, NLP und generativer KI, mit fundierter Praxis in AWS und Azure. Promovierter Wissenschaftler mit der nachgewiesenen Fähigkeit, komplexe technische Herausforderungen in robuste, produktionsreife Lösungen umzusetzen.
TECHNISCHE KENNTNISSE- Machine Learning & Data Science
- Zeitreihenprognose (Absatz- und Rohstoffmarktprognosen), Feature Engineering, Gradient Boosting (LightGBM), statistische Modellierung und Hypothesentests, NLP, Deep Learning (TensorFlow, PyTorch); Jupyter, Pandas, Polars, Scikit-Learn, SciPy
- MLOps & DevOps
- MLOps, MLflow (Experiment-Tracking und Model Registry, Produktiveinsatz), Modellvalidierung und Monitoring produktiver Modelle, Backtesting/ zeitbewusste Validierung, CI/CD, Git/GitHub, Azure DevOps, Amazon Brazil und Pipelines, Docker, Kubernetes
- Cloud-Plattformen
- AWS (S3, Lambda, SageMaker, Athena, Glue, DynamoDB, RDS, Boto3), Azure (Azure ML, Azure Pipelines, Azure DevOps)
- Daten-Engineering & Datenbanken
- Datenpipelines, ereignisgesteuerte ETL, semistrukturierte Daten (JSON), SQL, relationale Datenbanken (MariaDB), Videoverarbeitung (FFmpeg, MoviePy)
- Dashboards & Visualisierung
- Matplotlib, Plotly, Streamlit, interne Daten-Visualisierungs-Web-Anwendungen (Amazon Robotics), AWS QuickSight
- Generative KI & LLM
- LangChain, Vektordatenbanken und Embeddings, Fine-Tuning mit der Hugging-Face-API, LLM-APIs (OpenAI, Anthropic) ? aus DeepLearning .AI-Kursen und eigenen Projekten
- KI-gestützte Softwareentwicklung
- ?Amazon Q (Amazon Robotics), GitHub Copilot (Technology and Strategy), Claude Code (eigene Projekte)