Body_Signals_of_Smoking – AWS-Terraform-testing

Mein Hintergrund in 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-Kenntnisse vertieft, mit Fokus auf AWS-Services und Infrastruktur als Code mit Terraform.

Mein Ziel ist es, mich als Cloud Engineer weiterzuentwickeln und die Herausforderungen zu meistern; in „Body_Signals_of_Smoking – AWS-Terraform-testing“ zeige ich die Bereitstellung eines Data Science & Machine Learning Projekts mit Streamlit auf AWS, einschließlich eines Webportals zur Rauchererkennung anhand von Biomarkern.

• Data Science & ML: Entwicklung von Vorhersagemodellen (Random Forest) mit Scikit-Learn, inklusive Modellevaluation (83 % Genauigkeit) und Bereitstellung von ML-APIs mit Flask/Streamlit.
• Datenanalyse & Visualisierung: Umfassende EDA mit Pandas/NumPy, Erstellung interaktiver Dashboards (Streamlit) und Visualisierung von Trends (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-Bereitstellung mit IaC (Terraform) auf AWS (EC2, S3, RDS), mit Wissen 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 anzuwenden.