Künstliche Intelligenz & Machine-Learning

  • Deep Learning
  • Überwachte Klassifizierung
  • Unüberwachte Klassifizierung (Clustering)

  • Regression

  • Entwicklung von Prototypen / Proof of Concept
  • Weiterentwicklung von Modellen für den produktiven Einsatz

Meine Arbeitsprinzipien

  • So einfach wie möglich, so kompliziert wie nötig: Ihre datengetriebenen Vorhersagemodelle werden auf Datenlage und Business-Problem perfekt zugeschnitten sein.

  • Robuste Data Science Lösungen benötigen ein solides Fundament: Design und Optimierung von Vorhersagemodellen erfolgen mit wissenschaftlich fundierten Methoden.

  • Qualität durch hohe Engineering Standards: Von mir bereitgestellte Software ist detailliert dokumentiert, und flächendeckende Unit-Tests gewährleisten robuste Funktionalität.

Projekte aus diesem Bereich

  • Data Scientist and Data Engineer
    2021 Mitteständisches Großhandels- und Logistikunternehmen

    Entwicklung von KI basierten Vorhersagemodellen

    Design und Implementierung eines KI basierten Modells zur Vorhersage von Verkaufszahlen und Produktprovisionierung.

    Aufgaben:
    • Konzeption eines Deep Learning Modells zur Vorhersage von Verkaufszahlen
    • Entwicklung von Datenmodellen und ETL Prozessen zur Vorverarbeitung der Rohdaten
    • Implementierung eines automatisierten Vorhersage Service basierend auf KI Modellen

    Werkzeuge:
    TensorflowPostgresMS SQL ServerPythonSqlalchemyAlembicDockerdocker-composegit

  • Data Scientist / Python Entwickler
    2019

    Entwicklung einer Machine Learning Applikation zur Auswertung von Sensordaten.

    Über einen Sensor innerhalb einer Messapparatur werden stark verrauschte Zeitreihendaten aufgezeichnet. In diesen Zeitreihen sollen sporadisch auftretende Events automatisch detektiert und charakterisiert werden. Zu diesem Zweck wurde eine Machine Learning Software mit MVC Architektur in Python implementiert. Die Software umfasst folgende Funktionalität: Filtern und Normalisieren der Rohdaten, Berechnung robuster Kennzahlen auf Grundlage der vorprozessierten Daten, Bereitstellung einer grafischen Benutzeroberfläche zur Darstellung der Daten und zur interaktiven Erstellung von Trainingsdatensätzen, Automatische Detektion der Events mit einem überwachten Machine Learning Verfahren, Export der Ergebnisdaten.

    Werkzeuge:
    PythonTkinterScikit-Learngit

  • Python Entwickler / Projektleitung / Experte Bildverarbeitung
    2016

    Entwicklung von YAPiC einer Open Source Software zur Analyse von biomedizinischen Bilddaten mit Hilfe von Deep Learning.

    Aufgaben:
    • Projektmanagement
    • Konzeption und Algorithmenentwicklung
    • Präsentation der Software auf internationalen Tagungen
    • Deployment, Entwicklung von CI/CD Pipelines
    • Management der Weiterentwicklung des Tools durch die Open Source Community

    Werkzeuge:
    PythonTensorFlowTravis-CIGitHub

    YAPiC Website
  • Data Scientist / Experte Bildverarbeitung
    2017

    Automatisierte Charakterisierung von Gewebeproben mittels Deep Learning

    Im Rahmen eines medizinischen Forschungsprojektes wurden Gewebeproben mit einem automatisierten Mikroskop fotografiert. Auf Basis von Python und Tensorflow wurde eine Software entwickelt, um spezifische Zelltypen im Gewebe zu identifizieren und zu klassifizieren. Auf diese Weise konnten unterschiedliche Zelltypen für benutzerdefinierte Gewebe-Regionen automatisiert ausgezählt werden.

    Werkzeuge:
    PythonTensorFlowgit