Lösungsarchitekt & Ausführungsmanager

Konzeption und Implementierung von HR-Automatisierungslösungen

• Entwurf und Architektur von Power Platform-Lösungen und Reporting-Lösungen (Tableau), um reibungslose Automatisierung im HR-Kontext zu ermöglichen
• Entwicklung umfassender Lösungsentwürfe, einschließlich Systemarchitektur, Integrationsstrategien und Datenmigrationsplänen.
• Implementierung der spezifischen Automatisierungs- und Reporting-Lösungen

Crystall Ball

• Durchführung von Zeitreihenanalysen zur Vorhersage von Trends und Mustern in den Verkaufsdaten bestimmter Nahrungsmittel.
• Datenaufbereitung und Bereinigung, einschließlich der Handhabung fehlender Werte und der Normalisierung von Daten, um genaue Analyseergebnisse zu gewährleisten.
• Nutzung von Python für die Modellierung und Analyse, einschließlich Bibliotheken wie Pandas, NumPy, Scikit-learn und Statsmodels.
• Erstellung von Visualisierungen zur Darstellung der Analyseergebnisse und Vorhersagen für Stakeholder mithilfe von Tools wie Matplotlib, Seaborn und Power BI.
• Präsentation der Analyseergebnisse und Vorhersagen vor Geschäftsleitung und anderen Interessengruppen.

Einführung und Migration zu D365 CRM (Sales & Customer Service)

• Konfiguration und Anpassung von D365 CRM, einschließlich der Erstellung von Entitäten, Formularen, Workflows und Berichten.
• Entwicklung und Integration von Plugins, benutzerdefinierten Workflows und Webressourcen mit C#, JavaScript und anderen relevanten Technologien.
• Nutzung der Power Platform, insbesondere Power Automate, zur Automatisierung und Optimierung von Geschäftsprozessen innerhalb von D365 CRM
• Durchführung von Datenmigrations- und Integrationsaktivitäten zwischen D365 CRM und anderen Systemen mit Tools wie Azure Data Factory und SSIS.
• Teilnahme an Projektplanung, Schätzung und Risikomanagementaktivitäten, um eine erfolgreiche Projektabwicklung zu gewährleisten.

Machine Learning Woche

• Entwicklung eines detaillierten Wochenplans mit klaren Lernzielen und Meilensteinen für die Machine Learning Woche.
• Vermittlung grundlegender Konzepte des maschinellen Lernens, einschließlich Algorithmen, Datenaufbereitung und Modellbewertung.
• Durchführung von praktischen Workshops und Hands-on-Sessions zur Anwendung von Machine Learning Techniken mit Tools wie Python, Jupyter Notebooks, und scikit-learn.

Data Science Trainee-Tage

• Entwicklung eines detaillierten Wochenplans mit klaren Lernzielen und Meilensteinen für die Machine Learning Woche.
• Vermittlung grundlegender Konzepte des maschinellen Lernens, einschließlich Algorithmen, Datenaufbereitung und Modellbewertung.
• Durchführung von praktischen Workshops und Hands-on-Sessions zur Anwendung von Machine Learning Techniken mit Tools wie Python, Jupyter Notebooks, und scikit-learn.
• Einführung in fortgeschrittene Themen wie neuronale Netze, Deep Learning, und Reinforcement Learning.

Identifikation von Betrugswerbungen

• Design und Implementierung von maschinellen Lernmodellen zur Identifizierung und Klassifizierung von Betrugswerbungen.
• Nutzung von UI Path zur automatisierten Datensammlung und -extraktion von relevanten Werbeplattformen und Websites.
• Training und Optimierung der Modelle zur Verbesserung der Genauigkeit und Reduktion von Fehlalarmen bei der Erkennung von Betrugswerbungen.

Identifikation von Transportrisiken

• Definition und Kommunikation der Produktvision und Erstellung der Roadmap zur Erreichung der Projektziele.
• Gestaltung und Erstellung von Benutzeroberflächen und Benutzererfahrungen mit Figma.
• Implementierung von responsiven und interaktiven Frontend-Komponenten unter Verwendung von Angular.
• Design und Implementierung von RESTful APIs zur Kommunikation zwischen Frontend und Backend.

Community basierte Open Source Erweiterungen

• Entwicklung und Verwaltung serverseitiger Logiken und Datenbanken mit Technologien wie Ruby on Rails, PHP.
• Unterstützung und Wartung von Open-Source-Projekten durch regelmäßige Updates, Verbesserungen und Beantwortung von Nutzerfragen.