Data Scientist

• Design und Entwicklung der ETL-Daten-Pipeline zur Berechnung enormer finanzieller Datensätze, welche die Rechenzeit von mehreren Tagen auf Stunden verkürzte (PySpark – Databricks – Azure);
• Erstellung einer „Code-Methodik“ als Orientierungshilfe für die Entwicklung neuer Maschinenlern-Projekte, auf deren Grundlage zwei Projekte strukturiert wurden;
• Entwicklung von Maschinenlern-Modellen für die Prognose des Bitcoin-Handelsvolumens (XGBoost, 65 % Genauigkeit) und der Krypto-Volatilität (Temporal Fusion Transformer, 95 % Genauigkeit);
• Entwicklung einer MLOps-Pipeline, um Modelle zur Produktionsreife zu bringen: Berechnung von Hunderten von Funktionen, Streaming von Inferenzen in Echtzeit mit dem FastAPI-Websocket-Server, Modellüberwachung mithilfe der SQL-Datenbank und der Slack-API (Docker on ECS, AWS FeatureStore, FastAPI, SQL, Slack), mit einer Betriebszeit von über 99 %;
• Erstellung eines numerischen Index zur Wertung von Zeitreihendaten und der Unterstützung der Entwicklung von Handelsstrategien (statistische Korrelationen, Kointegration, ACE-Score, Zeitserienanalyse).

Erstellung von Kundschaftsstatistik für eine große brasilianische B2C-Video-Streaming-App.

• Entwicklung von Algorithmen für GPS-Filter, Korrektur und Leistungsanalyse für Amateur- und Elite-Fußballer:innen;
• Verantwortlich für die Gewährleistung der Qualität der Datenprodukte und die Verwaltung von Aufgaben wie Backlog, OKR und Kennzahlen;
• Integration von Python-Algorithmen in AWS auf dem Serverless-Framework, einschließlich Lambda, S3, EC2, DynamoDB und CloudWatch;
• Ausführung von Aufgaben wie Datenanalyse, Implementierung von Kalman-Filtern, neuronalen Netzwerken, Fuzzy-Filtern, wissenschaftlichen Algorithmen, einer statistischen Insight Engine, grundlegender Computervision und Gesichtserkennungsalgorithmen;
• Verwendung von Python für die Erstellung leistungsstarker Datenvisualisierungen;
• Wartung der Python-Infrastruktur für die automatische Erstellung von Hunderten von täglichen Berichten.