Durchführen von IT-Beratungsprojekten im Bereich Data Science und Data Management für verschiedene Kundenunternehmen in Deutschland und der Schweiz.
Abgeschlossene Kundenprojekte:
Projekt bei EUPD Research Sustainable Management GmbH (Bonn) (06/2024 – 18.12.2024):
Analyse einer großen Zahl von Nachhaltigkeitsberichten mittels RAG (Retrieval Augmented Generation), Milvus-Vektordatenbanken und Large Language Models (LLMs), zur Verfügung gestellt über Watsonx.ai
Austesten von Prompts, LLM-Modelltypen und Parametern im Hinblick auf Antwortqualität und Halluzinationsfreiheit
Deployen der Analyseskripte in der Cloud via Docker
Programmieren einer Streamlit-App, um Antworten in einer benutzerfreundlichen Browseroberfläche zu generieren
Verwenden von KI-Sprachagenten zur Suche von Firmeninformationen im Internet, um Nachhaltigkeitsberichte vorzuklassifizieren, z.B. anhand Branche und Anzahl Mitarbeiter
Eingesetzte Technologien: Watsonx.ai, Python, Jupyter Notebooks, Docker, Streamlit, VS Code, Gitlab
Projekt bei IGS Informatikgesellschaft für Sozialversicherungen GmbH (St. Gallen, Schweiz) (09/2023 – 18.12.2024):
Erweitern von Python-Modulen zum Transformieren, Speichern und Importieren von Sozialversicherungsdaten in ein Online-Datenbanksystem
Abbilden von Tabellenstrukturen mithilfe von Python-Klassen (Spaltennamen, Datentypen, Feldlängen, Fremdschlüssel, Unique-Constraints, Referenzen zu anderen Tabellen)
Automatisiertes Extrahieren von Daten aus Excel-Tabellen, Erzeugen von JSON-Files zum Zwischenspeichern in Dateiablagesystem, Importieren der JSON-Daten in DB2-Datenbank-Umgebungen via Batchdateien
Loggen von SQL-Merge-Queries via Python SQLAlchemy-Package zur Wiederverwendung in verschiedenen Datenbankschemas
Eingesetzte Technologien: Python, SQLAlchemy, DB2, VS Code, Gitlab, DBeaver
Projekt bei Henkel AG & Co. KGaA (Düsseldorf) (09/2022 – 12/2022):
Trainieren und Optimieren von Machine-Learning-Modellen in Azure DataBricks zur Vorhersage von Weißwerten, die bei Waschexperimenten mittels Fleckenmonitor gemessen wurden
Erstellen von Diagrammen und Visualisieren von Kennzahlen zur Messung der Prognosegüte bei Regressions-Algorithmen (u.a. Neuronale Netze und Random Forests)
Erklären der Vorhersagen mittels LIME und SHAP values
Eingesetzte Technologien: Python, DataBricks, MS Azure (als Anwender)
Eingesetzt durch RPS Engineering GmbH.
Eingesetzt durch RPS Engineering GmbH.
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.