Data Engineer / Machine Learning Engineer

Kurzprofil:
Seit mehr als 6 Jahren bin ich als Data Engineer im universitären und industriellen Umfeld tätig. Zu meinen Projekterfahrungen zählen insbesondere die Planung und Implementierung cloud-basierter End-to-End Daten-Pipelines mit besonderem Fokus auf die effiziente Verarbeitung von sehr großen Mengen an Zeitreihendaten. Ich habe fortgeschrittene Kenntnisse in der Recherche, Modellierung, Implementierung, Evaluierung, Training, Deployment, Qualitätssicherung und Monitoring von Machine- bzw. Deep-Learning Pipelines.

Toolstack (Auswahl):
Python, Spark / Pyspark, SQL, Git, Databricks, Numpy, Pandas, Linux, Docker, Azure Deltalake, Azure Fileshare, Azure BLOB, Azure Storages, Pydantic, Koalas, FastAPI, Keras, Azure DevOps, WSL, Azure Data Factory, Azure Virtual Machines, Prophet, Pytorch, Tensorflow, Scipy, Flask, Redis, Mlflow, AWS S3, Jira, Pytest, Unittest, Kubernetes, Spacy, Fasttext, Beautifulsoup, Confluence, Selenium, Pytorch, Plotly Dash, Jupyter Notebook / Lab, Java, C++, Andoid, C#, LateX, MS Office, VS Code.

Ich biete:

• Implementierung komplexer ETL Pipelines
• Fortgeschrittene Datenanalysen & Visualisierung
• Requirements Engineering datengetriebener Produkte
• Finden und Entwickeln von Usecase- sowie Businesscases für die datengetriebene Wertschöpfung
• Recherche, Implementierung, Evaluierung, Deployment und Qualitätssicherung von Machine Learning Modellen
• Design, Implementierung und Wartung von End-to-End Data- und Machinne Learning Pipelines
• Projektplanung & Dokumentation
• Transparente und klare Kommunikation
• Umsetzung von DevOps Prinzipien
• Flexible Beauftragungsmodelle inkl. erfolgsbasierte Vergütung

Arbeitsphilosophie:
Ich arbeite zuverlässig, gewissenhaft, pflichtbewusst und präzise.