Data Science | Machine Learning | Deep Learning | MLOps
Aktualisiert am 02.12.2024
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 22.11.2024
Verfügbar zu: 100%
davon vor Ort: 100%
Machine Learning
Data Scientist
Python
Deep Learning
Data Analyst
Big Data
Computer Vision
Natural Language Processing
NLP
Data Wrangling
Predictive Maintenance
PySpark
SQL
Cloud Computing
Data Engineer
DevOps Engineer
MlOps
Data
Datenqualitätsprüfung
Datenanalyse
AWS
Azure
R
English
fließend
German
fließend
Ukrainian
Muttersprache

Einsatzorte

Einsatzorte

Wächtersbach (+50km)
Deutschland
möglich

Projekte

Projekte

2023 - 2024: Radsatzverschleißprognose


Kunde: DB Cargo AG, Mainz


Aufgaben:

  • Konzipierte ein Machine-Learning-Modell zur Vorhersage des Verschleißes von Radsätzen. Basierend auf meiner Arbeit wurde eine erfolgreiche Software für prädiktive Wartung entwickelt ( URL auf Anfrage)
  • Erarbeitete Strategien zur effektiven Nutzung unvollständiger und qualitativ minderwertiger Daten für Machine-Learning-Anwendungen
  • Implementierung und Automatisierung der ML-Pipeline mittels GitLab CI/CD, Terraform und AWS unter Berücksichtigung von Best Practices für MLOps

2021 - 2024: Lokomotivverfügbarkeitsprognose


Kunde: DB Cargo AG, Mainz


Aufgaben:

  • Entwicklung und Bereitstellung eines End-to-End-ML-Systems zur prognosegestützten Einsatzplanung von Lokomotiven
  • Erstellung von ML-Modellen für Zeitreihendaten mithilfe fortschrittlicher Algorithmen, einschließlich Transformer-Architekturen
  • Aufbau robuster ML-Pipelines und Implementierung von MLOps-Best Practices unter Einsatz von Terraform (Infrastructure as Code), GitLab CI/CD und AWS
  • Wartung des Systems und kontinuierliche Implementierung neuer Funktionen
2020 - 2021: Reifenbedarfsprognose


Kunde: Bridgestone Deutschland GmbH, Frankfurt a. M.


Aufgaben:

  • Optimierte die Leistung eines Machine-Learning-Modells zur Vorhersage der Reifenbevorratung
  • Implementierte Data Quality Checks und Monitoring-Systeme
  • Führte umfangreiches Coderefactoring durch und erstellte detaillierte technische Dokumentation
  • Entwickelte und implementierte skalierbare ML-Pipelines zur Automatisierung des Modelltrainings und der Inferenz
2020 - 2021: Planarbeitszeitprognose


Kunde: Siemens AG, Nürnberg


Aufgaben:

  • Entwickelte ein Machine-Learning-Modell zur Berechnung der Planarbeitszeit
  • Führte umfangreiche Datenanalyse und -aufbereitung aus verschiedenen Quellsystemen durch
  • Erstellte ETL-Pipelines zur Integration von SAP-HR und Zeiterfassungsdaten
  • Entwickelte APIs zur Bereitstellung des Modells und zur Integration in bestehende Systeme

Aus- und Weiterbildung

Aus- und Weiterbildung

Chemie / Chemoinformatik

Master of Science

Johann Wolfgang Goethe-Universität, Frankfurt am Main


Zertikate

  • Custom Models, Layers, and Loss Functions with TensorFlow - Coursera
  • Advanced Computer Vision with TensorFlow
  • Convolutional Neural Networks for Image Processing - Coursera
  • Custom and Distributed Training with TensorFlow Deep Learning with PyTorch - Coursera
  • Data Scientist in Python Track - Dataquest
  • Data Scientist in Python Track - DataCamp
  • Sequences, Time Series and Prediction - Coursera
  • Natural Language Processing - DataCamp
  • Survival Analysis in Python - DataCamp

Kompetenzen

Kompetenzen

Top-Skills

Machine Learning Data Scientist Python Deep Learning Data Analyst Big Data Computer Vision Natural Language Processing NLP Data Wrangling Predictive Maintenance PySpark SQL Cloud Computing Data Engineer DevOps Engineer MlOps Data Datenqualitätsprüfung Datenanalyse AWS Azure R

Produkte / Standards / Erfahrungen / Methoden

MLfow
MetaFlow
Airow
Prefect
Jenkins
Docker
Terraform
GitLab
Azure
AWS
PyTorch
Tensorow/Keras
Scikit-learn
PySpark
NumPy
Pandas
Profil

Erfahrener Data Scientist und Machine Learning Engineer, spezialisiert auf die Entwicklung und Implementierung datengetriebener Lösungen. Umfangreiche Expertise in der Optimierung von ML-Infrastrukturen, ML Ops sowie der Entwicklung robuster ML-Modelle. Besondere Stärken im Bereich Predictive Maintenance und nachgewiesene Erfolge in der Umsetzung anspruchsvoller Projekte, von der Konzeption bis zur Produktivstellung, gestützt durch fundierte Erfahrung in der Anforderungsanalyse und der technischen Kommunikation mit Stakeholdern.


Programmiersprachen

Python
Java
Scala
R
SQL
Bash

Einsatzorte

Einsatzorte

Wächtersbach (+50km)
Deutschland
möglich

Projekte

Projekte

2023 - 2024: Radsatzverschleißprognose


Kunde: DB Cargo AG, Mainz


Aufgaben:

  • Konzipierte ein Machine-Learning-Modell zur Vorhersage des Verschleißes von Radsätzen. Basierend auf meiner Arbeit wurde eine erfolgreiche Software für prädiktive Wartung entwickelt ( URL auf Anfrage)
  • Erarbeitete Strategien zur effektiven Nutzung unvollständiger und qualitativ minderwertiger Daten für Machine-Learning-Anwendungen
  • Implementierung und Automatisierung der ML-Pipeline mittels GitLab CI/CD, Terraform und AWS unter Berücksichtigung von Best Practices für MLOps

2021 - 2024: Lokomotivverfügbarkeitsprognose


Kunde: DB Cargo AG, Mainz


Aufgaben:

  • Entwicklung und Bereitstellung eines End-to-End-ML-Systems zur prognosegestützten Einsatzplanung von Lokomotiven
  • Erstellung von ML-Modellen für Zeitreihendaten mithilfe fortschrittlicher Algorithmen, einschließlich Transformer-Architekturen
  • Aufbau robuster ML-Pipelines und Implementierung von MLOps-Best Practices unter Einsatz von Terraform (Infrastructure as Code), GitLab CI/CD und AWS
  • Wartung des Systems und kontinuierliche Implementierung neuer Funktionen
2020 - 2021: Reifenbedarfsprognose


Kunde: Bridgestone Deutschland GmbH, Frankfurt a. M.


Aufgaben:

  • Optimierte die Leistung eines Machine-Learning-Modells zur Vorhersage der Reifenbevorratung
  • Implementierte Data Quality Checks und Monitoring-Systeme
  • Führte umfangreiches Coderefactoring durch und erstellte detaillierte technische Dokumentation
  • Entwickelte und implementierte skalierbare ML-Pipelines zur Automatisierung des Modelltrainings und der Inferenz
2020 - 2021: Planarbeitszeitprognose


Kunde: Siemens AG, Nürnberg


Aufgaben:

  • Entwickelte ein Machine-Learning-Modell zur Berechnung der Planarbeitszeit
  • Führte umfangreiche Datenanalyse und -aufbereitung aus verschiedenen Quellsystemen durch
  • Erstellte ETL-Pipelines zur Integration von SAP-HR und Zeiterfassungsdaten
  • Entwickelte APIs zur Bereitstellung des Modells und zur Integration in bestehende Systeme

Aus- und Weiterbildung

Aus- und Weiterbildung

Chemie / Chemoinformatik

Master of Science

Johann Wolfgang Goethe-Universität, Frankfurt am Main


Zertikate

  • Custom Models, Layers, and Loss Functions with TensorFlow - Coursera
  • Advanced Computer Vision with TensorFlow
  • Convolutional Neural Networks for Image Processing - Coursera
  • Custom and Distributed Training with TensorFlow Deep Learning with PyTorch - Coursera
  • Data Scientist in Python Track - Dataquest
  • Data Scientist in Python Track - DataCamp
  • Sequences, Time Series and Prediction - Coursera
  • Natural Language Processing - DataCamp
  • Survival Analysis in Python - DataCamp

Kompetenzen

Kompetenzen

Top-Skills

Machine Learning Data Scientist Python Deep Learning Data Analyst Big Data Computer Vision Natural Language Processing NLP Data Wrangling Predictive Maintenance PySpark SQL Cloud Computing Data Engineer DevOps Engineer MlOps Data Datenqualitätsprüfung Datenanalyse AWS Azure R

Produkte / Standards / Erfahrungen / Methoden

MLfow
MetaFlow
Airow
Prefect
Jenkins
Docker
Terraform
GitLab
Azure
AWS
PyTorch
Tensorow/Keras
Scikit-learn
PySpark
NumPy
Pandas
Profil

Erfahrener Data Scientist und Machine Learning Engineer, spezialisiert auf die Entwicklung und Implementierung datengetriebener Lösungen. Umfangreiche Expertise in der Optimierung von ML-Infrastrukturen, ML Ops sowie der Entwicklung robuster ML-Modelle. Besondere Stärken im Bereich Predictive Maintenance und nachgewiesene Erfolge in der Umsetzung anspruchsvoller Projekte, von der Konzeption bis zur Produktivstellung, gestützt durch fundierte Erfahrung in der Anforderungsanalyse und der technischen Kommunikation mit Stakeholdern.


Programmiersprachen

Python
Java
Scala
R
SQL
Bash

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.