R & Python Developer

Die Aufgabe bestand darin statisch erzeugte Berichte durch interaktive Applikationen zu ersetzen. Die Koordination der notwendingen Infrastruktur mit dem DevOps Team sowie die Konzeptionierung des Datenmodells der Applikationen waren neben der Programmierung verschiedener Applikationen in R und Datenaufbereitungsroutinen in Python die Hauptaufgaben. Als technischen Leitung kamen viele organisatorischen Aufgaben hinzu, darunter Quality- und Testmanagement, die Koordination der Aufgaben mit Requirements Engineer und Scrum Master und die Auswahl und Einarbeitung neuer R-Entwickler im Verlauf des Projekts

Frontend Entwicklung mit HTML/CSS, JavaScript und R-Shiny, Support der Webapplikationen durch R plumber, R-Shiny als R-Paket mit golem, unit-testing über testthat und shinytest2. Paket Dokumentation über roxygen2.

Modularisierung und Migration bisheriger Shiny Projekte, im Zusammenhang mit Machine Learning Modellen verschiedener bio-medizinischer Prozesse, in einheitliches Dashboard Framework. Fokus unter anderem auch auf die Integration interaktiver Steuerungselemente und Grafiken zur Vereinheitlichung von UI/UX in den verschiedenen Applikationen.

Zu diesem Zweck auch die Erstellung eines R Pakets, welches die Kernelemente des Brandings in Funktionen und Objekte bündelt. Aufstellung eines Coding Style-Guide sowie Code Templates für die Entwickler des Kunden.

Frontend Entwicklung mit HTML/CSS, JavaScript und R-Shiny, dabei Verwendung des R Paket bs4Dash als Dashboard Framework.

Implementierung eines Prognose-Projekts in Python. Einzelnen Projektschritte mit Ausnahme von Teilen des Data Engineering werden vollständig in Python überführt. Forecasts nutzen ARIMA, ETS (beides statsmodels), h2o und FB Prophet für Forecasts. Ergebnisse als notebooks mit interaktiven Widgets; Entwicklung einer Plotly Dash Webapplikation.

Umsetzung mit Python, Plotly Dash, SQL. Task Planung mit JIRA.

Entwicklung eines Scoringmodells für die Standorte von E-Ladesäulen, welches auf die spezifischen Herausforderungen der Energieversorger in den Städten und Regionen eingeht. Das Modell basiert auf über 40 Einflussfaktoren für die Standortgüte und beinhaltet Daten zur derzeitigen Ladesäuleninfrastruktur (Lage, Kapazität), zur voraussichtlichen Bedarfsentwicklung (Szenarios) und zur Bewertung der Standorte basierend auf Verkehrsfluss und Lagefaktoren. In einer kartographischen Übersicht werden die vorhandenen und potenziellen Standorte grafisch dargestellt in Bezug zu den Einflussfaktoren.

Umsetzung mit R, Shiny, SQL. Task Planung mit JIRA.

Überarbeitung des Studienprotokoll einer bereits angelaufenen Studie im Bereich Orthopädietechnik, Kommunikation mit der Ethikkommision und Abstimmung der Methodik.

Entwicklung eines Reporting Tools für Alternative Investment Fonds. Projektleitung bei der Erstellung einer lokal gehosteten R-Shiny Webanwendung zur Erstellung von Meldedaten über Alternative Investment Fonds an die BaFin. Die Kunden des Auftraggebers übermitteln quartalsweise Informationen an den Auftraggeber, welche vom Auftraggeber als XML-Datei übermittelt werden müssen. Die Webanwendung bereitet die Informationen der Kunden mit Regex auf und prüft diese auf Format, Inhalt, Konsistenz und Plausibilität anhand eines Regelkatalog für die unterschiedlichen Meldeungs Use-Cases. Erfolgreich geprüfte Daten werden in ein XML-Format umgewandelt und zur Weiterverarbeitung bereitgestellt. Dazu wurden Unit-Tests für die modularen Prüfkomponenten der Applikation definiert.

Umsetzung in R und R Shiny mit den Paketen stringr, checkmate, testthat. Einbettung von Excel und SAP Hana als Datenquellen. Anwendung von shinydashboard als Dashboard Framework.

Entwicklung einer modularen R-Shiny Webapplikation (Dash-Up) zum Controlling. Zusammenführung des Angebotsprozess mit Buchhaltungssoftware und Zeiterfassungsoftware. Zusammenführung von Personalverträgen und PostgresDatenbanksystem. Monitoring der Projekt- und Beraterauslastung sowie Rentabilität der Projekte und weitere Indikatoren des Qualitätsmanagement.

Integration von Daten aus der Finanzbuchhaltung mit SQL. Aufbau von CI-Pipeline und Definition des Docker Containers. Frontend Entwicklung mit HTML/CSS, JavaScript und R-Shiny, dabei Verwendung des R Paket bs4Dash als Dashboard Framework. Task Planung mit gitlab Issues, Dokumentation in OneNote.

Mitarbeit bei der Erstellung eines automatisierten Prognose-Tools für lang- und mittelfristige Absatzprognosen verschiedener Getränke-Produkte in unterschiedlichen europäischen Märkten. Ausarbeitung verschiedener hierarchisch gestaffelter Zeitreihenmodelle.

Einbettung der Ergebnisse in eine bestehende Business Intelligence Architektur. Hauptaufgabe war die Überprüfung der Modellierung durch automatisierte Sensibility Checks und die Wartung der Schnittstellen innerhalb der Architektur.

Umsetzung in PowerBI mit Schnittstellen zu Excel und R. Dokumentation in Confluence.

Konzeption und Durchführung von Einsteiger und Fortgeschrittenen Schulungen in Data Science und Python und R.

Schadensfallvorhersage für einen Bestand an Kfz-Versicherungsverträgen. Methodischer Vergleich verschiedener Klassifikations-Algorithm aus dem Bereich der klassischen Statistik gegenüber moderner Machine-Learning Methoden. Umfangreiches Feature-Engineering, Einsatz von Over- and Undersampling Ansätzen sowie Bootstrapping Methoden um die Auswirkungen der Ungleichverteilung innerhalb des Bestand an Kfz-Versicherungsverträgen in den Modellen zu relativieren und eine möglichst hohe Prädiktionsgüte zu erreichen.

Umsetzung in R mit den Paketen des tidyverse, MASS, randomForest, nnet, caret, glmnet, ROSE, MLmetrics, sparklyr.

Visualisierung des Passagieraufkommens im öffentlichen Nahverkehr.

Auswertung in R. Interaktive Visualisationen mit Plotly, Leaflet und Shiny.