Körper_Signale_des_Rauchens – AWS-Terraform-testing

Mein Hintergrund in der Durchflusszytometrie und Datenanalyse hat meine Neugier für Technologie geweckt und mich dazu geführt, ein Zertifizierungsprogramm in Data Science und Machine Learning abzuschließen. Seitdem habe ich meine Cloud-Engineering-Expertise mit Fokus auf AWS-Dienste und Infrastruktur als Code mit Terraform vertieft.

Mein Ziel ist es, die Herausforderungen im Cloud Engineering zu verbessern und zu meistern; in „Body_Signals_of_Smoking – AWS-Terraform-testing“ zeige ich das Deployment eines Data-Science- & Machine-Learning-Projekts mit Streamlit auf AWS, inklusive eines Webportals zur Rauchererkennung mittels Biomarkern.

• Data Science & ML: Entwicklung von Vorhersagemodellen (Random Forest) mit Scikit-Learn, inklusive Modellbewertung (83 % Genauigkeit) und Bereitstellung von ML-APIs mit Flask/Streamlit.
• Datenanalyse & Visualisierung: Umfassende EDA mit Pandas/NumPy, Erstellung interaktiver Dashboards (Streamlit) und Trendvisualisierung (Matplotlib/Seaborn).
• Data Engineering & Cloud/MLops: Aufbau von End-to-End-Pipelines (Datenbereinigung mit Python, Feature Engineering, Cloud-Integration mit AWS S3/RDS) und ML-Deployment mit IaC (Terraform) auf AWS (EC2, S3, RDS), mit Know-how in MLOps.
• CI/CD & Automatisierung: Optimierung von CI/CD-Pipelines mit GitHub Actions; Automatisierung von Validierungs-, Bereitstellungs- und Wartungsprozessen.

Als Quereinsteiger mit einer Leidenschaft für DS & ML bin ich flexibel und motiviert, meine Fähigkeiten praktisch einzusetzen.