Adrian Eisenmeier
Data Science, Softwareentwicklung und IT-Dienstleistungen
Persönliche Daten
Deutsch (Muttersprache)
English (Fließend)
Niederländisch (Grundkenntnisse)
Zur Person
Beschreibung
Additionally, I make it a point to have all the infrastructure I work with is running within Docker in a cloud infrastructure. If the whole team works with a development environment that runs in the browser, on the one hand many problems can be avoided in advance, and on the other hand it facilitates any handovers of project work.
Anlagen
Adrian
Eisenmeier
Curriculum vitae
David Wijnkoopstraat 7
1069RH Amsterdam
H +31 6 38900517
Personal
Naam
Dipl.-Phys. Adrian Eisenmeier
Geboortedag
1985.06.13
Nationaliteit
Duits
Taalvaardigheid
Duitser (inheems), Engels (vloeiend), Nederlands (beginner)
Programmeertaal
Python, R, C# , C++, Java Script
Vaardigheden
Diverse methodes van Machinaal Leren, Neurale Netwerken met Keras/Tensorflow en
Data Science Frameworks (Jupyter Lab, Scikit-Learn, H2O, piramide Auto-ARMIA, SciPy,
ML.NET, etcetera), beeldverwerking OpenCV, SkiaSharp, Pillow, Knime, R Shiny, Grafana
Dashboards, Linux Server Administration, Docker, Kubernetes, Apache Impala Hadoop,
Apache Kafka, Xamarin.Forms, Xamarin.Android, Xamarin.iOS, Xamarin.UWP, ASP.
NET Core, Entity Framework Core, Identity Core, Penetration testing en IT Security (Kali,
Tails Linux, Metasploit Framework, NMap, etcetera). ), Bluetooth, agile ontwikkeling,
testgedreven ontwikkeling, Scrum, Redmine, Jira, Mantis, Confluence, Doxygen LaTeX,
Azure Cloud Ressources (TSI, Functions FaaS, SQL, Cosmos DB), AWS Cloud (EC2,
ECS, S3, Lambdas) GitLab, Subversion, REST API’s, Swagger, Automatische deployment
procedures en Continuous Integration (CI), Reverse Proxys met Caddy, Nginx, Apache,
Certificaten met Let’s Encrypt
Onderwijs
2007 – 2016
Wetenschappelijke studies: Fysica, Meteorologie, Chemie,
Albert-Ludwigs-Universiteit van Freiburg, Duitsland.
Niveau: Diplomafysicus
1 of 4
Werkervaring
2011
Wetenschappelijk medewerker, Apotheekindustrie, Freiburg, Duitsland.
{
Technologieën: R, Knime
{
Analyse
van
synergetische
effecten
in
mengsels
van
verschillende
kankermedicijnen
{
Implementatie van de Chou-combinatie-index (CI) in R als Knime-knooppunt
2011
Wetenschappelijk medewerker, Optische industrie, Freiburg, Duitsland.
{
Technologieën: Mathematica, Python
{
Ontwikkeling van een software voor het schatten van het astigmatisme en de
brandpuntsafstand van ooglenzen. Uitvoering van het octrooischrift (2814916)
van de firma Rodenstock.
{
Asferische lenzen bij benadering door gebruik te maken van kubieke B-splines
{
Schatting van metrische tensoren en numerieke oplossingen van de
krommingsverschilvergelijkingen
2012 – 2015
Wetenschappelijk medewerker, Instituut voor Fysische Chemie, Albert-
Ludwigs-Universiteit van Freiburg, Duitsland.
{
Technologieën: TurboMol, ORCA, Gromacs MD
{
QM/MM-simulaties van ESR-parameters (g-tensor, hyperfijne-koppelings-
tensor) voor flavo-eiwitten, opgelost in een waterige omgeving
2016
Wetenschappelijk
medewerker,
Instituut voor Fysica,
Albert-Ludwigs-
Universiteit van Freiburg, Duitsland.
{
Technologieën: C++, CUDA, Python, R
{
Ontwikkeling en analyse van diverse recurrente neurale netwerken voor
patroonherkenning
{
Zonder toezicht leren:
- Patroonherkenning met Boltzmann nets
- Patroonherkenning met LSTM nets
- Patroonherkenning met Hopfield nets en analyse van het herkenningspercentage
- door het gebruik van verschillende leerregels (Hebbian, Oya, STDP)
- door het gebruik van verschillende activeringen (linear, heavyside, sigmoid)
- door het gebruik van verschillende coderingen van de neurale activiteit
- door het gebruik van energie-optimalisatie criteria
- door gebruik van algebraische relaties van neurale activiteiten met elkaar
- Vergelijking van klassieke met speltheoretische Kohonen-kaarten
{
Gesuperviseerd leren:
- Neurale netwerken voor basislijncorrecties in magnetische resonantiespectra
2 of 4
2015 – 2017
Systeembeheerder, IT-groep voor het Instituut voor Fysica, Albert-Ludwigs-
Universiteit van Freiburg, Duitsland.
{
Setup en onderhoud van Linux- en Windows-images met ESXI en XEN.
Configuratie van dhcp, en cupserver, configuratie van NFS dataopslag, LDAP-
authenticaties, KISS-systemen, USV-configuraties, FOG-cloud back-ups
{
Ontwikkeling van een geautomatiseerd penetratietestsysteem voor het IT-
netwerk bij het Insitute of Fysics.
Cron job controlled vulnerability scans met NMap script engine. Ontwikkeling
van een plugin die downloadt uit de Rapid 7-database, op basis van
overeenkomende CVE-items die door NMap worden geretourneerd. Gebruik
van Metasploit Framework (MSF) voor het uitvoeren van aanvallen, gebaseerd
op NMap resultaten, en door gebruik te maken van gedownloade exploits, voor
het geval deze geen deel uitmaken van MSF Core.
2017 – 2021
Datawetenschap/softwareontwikkeling, Dr. Hornecker Software Entwicklung,
Externe dienstverlener, Duitsland.
{
Drukindustrie (B2B): Mei 2019 - Januari 2021
Role: Projectmanager, Data Scientist, Software-ontwikkelaar
Technologieën: Xamarin Forms, Camera2, Entity Framework Core, OpenCV,
SkiaSharp, Pillow, Docker, REST, Flask API
Leidende rol in de ontwikkeling van een cross-platform mobiele app
voor fraude detectie en berekening van een robuust vingerafdrukhash-
algoritme voor een gepatenteerde techniek die wordt gebruikt om unieke
beveiligingsettiquetten af te drukken. Analyse en beoordeling van verschillende
beeldverwerkingstechnieken (SIFT, SURF, ORB) en implementatie van
verschillende signaalfilters (Laplace- en Fourier-transformaties), evenals signaal-
ruis analys. Planning en uitvoering van het CI-implementatieproces. Verbinding
met de cloud via een Flask REST API. Implementatie van een hartslag service
voor de Flask controllers, evenals een respons systeem in geval van storingen.
{
Energie-industrie (B2C): Februari 2020 - Juni 2020
Functie: Data Scientist
Technologieën: Azure Services (TSI, SQL DB, CosmosDB, Functions), various
timeseries and data science frameworks (Auto-ARIMA, Scikit-Learn, Tensorflow
and Keras)
Data Scientist, Forcast van gebruikt elektrisch verbruik, gebaseerd op historische
gegevens en de actuele weersvoorspelling. Onderzoek naar de bijdrage van
meteorologische parameters (temperatuur, bewolking, neerslagkans, etcetera)
en vergelijking van verschillende forcastingmethoden (ARIMA, Random Forests,
LSTM Neural Networks) in termen van berekeningskosten, planningskwaliteiten
en nauwkeurigheden (mase, nmae, nrmse). Het lezen en schrijven van gegevens
met Azure diensten, en het implementeren van het voorspellingsmodel met Azure
functies (FaaS) in Python. Implementatie van een dagelijkse validatielogica
voor de rapportage. Met behulp van deze implementatie ontving de klant
waarde uit de geanalyseerde gegevens met behulp van machinaal leren voor
toekomstige prognoses. De verstrekking van de gegevens en de verwerking
via verschillende Azure-diensten werd uitgevoerd via een cloudinfrastructuur.
Documentatie geschreven met Confluence.
3 of 4
{
FinTech-industrie (B2B): September 2019 - januari 2020
Functie: Projectmanager, Data Scientist, Software-ontwikkelaar
Technologieën: Docker, MySQL, .NET Core, Swagger, R Shiny dashboard,
ShinyProxy, Caddy
Ontwikkeling van een volledig dockerzied systeem om gegevens van online
marktwinkels te uploaden naar een database, en deze te visualiseren. Upload
API met ASP .NET Core geïmplementeerd, en met Swagger gedocumenteerd.
Dashboard geïmplementeerd met R Shiny. Implementatie van een veilige
wachtwoordloze toegang met behulp van Json Web Tokens (JWT), reverse
proxy met Caddy.
{
Telecommunicatie-industrie (B2C): Mei 2018 - juni 2019
Role: Data Scientist, Software-ontwikkelaar
Technologieën: Knime, Impala Hadoop, Docker, R Shiny, ShinyProxy, Random
Forests with Scikit-Learn, Neural Networks with Tensorflow
Data Scientist, Het uitwerken van complexe bedrijfsprocessen met de
verantwoordelijke groepsleiders om een mapping te krijgen van de processen
naar de bijbehorende gegevens in het hadoop-cluster. Het implementeren
van een R-logica om KPI’s te berekenen en het ontwikkelen van een Shiny
dashboard voor beheersbare visualisaties van de KPI’s. Implementatie van een
data interface om de controlerende groep toegang te geven tot de data. Big
Data, voor de gedefinieerde KPI’s zijn alle telefoongesprekken tussen klant en
service, van de afgelopen 4 jaar, geanalyseerd door het gebruik van methoden
uit de taalverwerking (NLP), om de redenen voor klachten en verstoringen te
begrijpen.
Ontwikkeling van een voorspellend model om individuele werktijden van
telecommunicatietechnici in het veld te voorspellen, gebaseerd op historische
gegevens.
Dit vereiste klantspecifieke ontwikkelingen om methoden voor
machinaal leren en statistische modellen te gebruiken met als doel met het
oog op een betere klantenwerving en klantenbinding in de klantenbinding
in de B2C-sector. Opstellen van een compliance-conforme server voor de
productie. Implementatie van een releasepijplijn (Continuous Integration CI),
die dockercontainers voor datatoegang, modelvoorspelling, datatransfer en
validatie orkestreert. Implementatie van een dagelijkse rapporteringslogica en
visualisatie van planningskwaliteiten en -nauwkeurigheden.
{
IoT-industrie (B2C): April 2017 - Mei 2018
Role: Software-ontwikkelaar
Technologieën: Xamarin Forms, .NET, Bluetooth Low Energy
Ontwikkeling van een cross-platform mobiel, en een WPF PC app om slimme
schakelklokken te programmeren en aan te sturen. Cross-platform implementatie
van de bluetooth stack met Robotica bibliotheken. Programmering van een
geautomatiseerd uitrolmechanisme voor Google en Apple store. Onderhoud
van Apple ontwikkelaar en app store verbinden
4 of 4
Adrian
Eisenmeier
Profil
David Wijnkoopstraat 7
1069RH Amsterdam
H +31 6 38900517
Daten zur Person
Name
Dipl.-Phys. Adrian Eisenmeier
Geburtsdatum
1985.06.13
Staatsangehörigkeit
deutsch
Zivilstand
ledig
Fremdsprachen
Deutsch (Muttersprache), Englisch (fließend), Niederländisch (Grundkenntnisse)
Programmier-
sprachen
Python, R, C# , C++, Java Script
Spezialkenntnisse
Verschiedene Methoden des Maschinellen Lernens, darunter Neuronale Netze mit Keras
und Tensorflow, Data Science Frameworks (Jupyter Lab, Scikit-Learn, H2O, pyramid Auto-
ARMIA, SciPy, ML.NET, etc.), Bildverarbeitung mit OpenCV, und SkiaSharp, Knime,
R Shiny und Grafana Dashboards, Linux Server Administration, Container mit Docker,
Docker-Compose, Kubernetes, Container Services und Shiny Proxy, Apache Impala
Hadoop, Apache Kafka, Cross-Platform Entwicklung mit Xamarin Forms, Xamarin.iOS,
Xamarin.Android, Xamarin.UWP, ASP.NET Core, Entity Framework Core, Identity Core,
Penetration testing und IT Security (Kali, Tails Linux, Metasploit Framework, NMap, etc.),
Bluetooth Low Energy, Bluetooth Mesh, Agile Entwicklung, Testgetriebene Entwicklung,
Scrum, Redmine, Jira, Mantis, Confluence, Doxygen LaTeX, Azure Cloud Ressources
(TSI, Functions FaaS, SQL, Cosmos DB), AWS Cloud (EC2, ECS, S3, Lambdas),
Codeverwaltung GitLab, Subversion, REST API’s, Swagger, Automatisierte Deployment-
Prozesse und Continuous Integration (CI), Reverse Proxys mit Caddy, Nginx, Apache,
Zertifikate mit Let’s Encrypt
Ausbildung
2007 – 2016
Studium: Physik, Meteorologie, Chemie,
Albert-Ludwigs-Universität Freiburg, Deutschland.
Abschluss: Diplom Physiker
1 of 4
Projekte und Tätigkeiten
2011
Wissenschaftlicher Mitarbeiter, Pharmazie, Freiburg, Deutschland.
{
Technologien: R, Knime
{
Untersuchung von synergetischen Effekten bei der Vermischung verschiedener
Medikamente zur Krebsbehandlung
{
Implementierung des Chou Combination Index (CI) in R als Knime Knoten
2011
Wissenschaftlicher Mitarbeiter, Optik/Medizintechnik , Freiburg, Deutschland.
{
Technologien: Mathematica, Python
{
Entwickeln einer Software zur Bestimmung des Astigmatismus,
und
des Dioptrienwerts von Augenlinsen mit Hilfe von maschinellem Lernen.
Implementierung der Patentschrift (2814916) der Firma Rodenstock.
{
Approximation asphärischer Linsen mittels kubischer B-Splines
{
Bestimmung
metrischer
Tensoren
und
Untersuchung
der
Krümmungsdifferentialgleichungen
mittels
Runge-Kutta
Verfahren
4.
Ordnung
2012 – 2015
Wissenschaftlicher Mitarbeiter, Institut für Physikalische Chemie, Albert-
Ludwigs-Universität Freiburg, Deutschland.
{
Technologien: MATLAB, TurboMol, ORCA, Gromacs MD
{
QM/MM
Simulationen
von
ESR
und
NMR
Parameter
(g-Tensor,
Hyperfeinkopplungs-Tensor) für Flavo-Proteine (FAD,FMN, Riboflavin).
Verwendung von CHARMM Force Fields für die Molekulardynamik
2016
Wissenschaftlicher Mitarbeiter,
Physikalisches Institut,
Albert-Ludwigs-
Universität Freiburg, Deutschland.
{
Technologien: C++, CUDA, Python, R
{
Entwicklung und Analyse der Erkennungsraten verschiedener Neuronaler Netze
zum Pattern Matching, darunter:
{
Unüberwachtes Lernen:
- Boltzmann Netze
- LSTM Netze
- Hopfield und Jordan Netze mit:
- unterschiedliche Lernregeln (Hebbian, Oya, STDP)
- unterschiedliche Aktivierungsfunktionen (linear, heavyside, sigmoid)
- unterschiedliche Kodierungen der Muster
- unter Verwendung von Energie-Minimierungen
- unter Verwendung algebraischer Beziehungen
- Vergleich von klassischen mit spieltheoretischen Kohonen-Karten
{
Überwachtes Lernen:
- Trainiertes Netz zur Basislinienkorrektur in NMS und ESR Spektren
2 of 4
2015 – 2017
System Administrator, IT Gruppe des Instituts für Physik, Albert-Ludwigs-
Universiät Freiburg, Deutschland.
{
Aufsetzen und Wartung von Windows und Linux Images mit ESXI und XEN.
Konfiguration von DHCP, CUPS, FOG Server, LDAP Authentifikationen,
Erstellen von KISS-Systemen und USV-Konfigurationen
{
Entwicklung eines automatisierten Penetrationstest-Systems für das Netzwerk
des physikalischen Instituts
Cron job gesteuerte Vulnerability Scans mit der NMAP Skript-Engine.
Entwicklung eines Metasploit Plugin, welches basierend auf CVE Einträge
die von NMAP gefundenen Exploits in MSF initialisiert und Angriffe ausführt
2017 – 2021
Data Science and Software Development, Dr. Hornecker Softwareentwicklung
und IT Dienstleistungen, Freiburg, Deutschland.
{
Druckindustrie (B2B): Mai 2019 - Januar 2021
Funktion: Projekt Manager, Data Scientist, Software Developer
Technologien: Xamarin Forms, Camera2, Entity Framework Core, OpenCV,
SkiaSharp, Pillow, Docker, REST, Flask API
Leitende Funktion bei der Entwicklung einer App zur Fälschungserkennung sowie
für die Berechnung eines robusten Fingerprints im Rahmen eines patentierten
Verfahrens für Sicherheitsetiketten. Untersuchung, Bewertung und Umsetzung
von Bildverarbeitungsverfahren wie SIFT, SURF, ORB. Implementierung
von Laplace- und Fourier-Transformationen, sowie Signal-Rausch Analysen.
Planung und Durchführung des CI Deployment-Prozesses für Android und
iOS. Anbindung an den Server über eine REST-API. Implementierung eines
Heartbeat Service für die Flask-Controller, sowie eines Response-Systems im
Falle von Störungen.
{
Energietechnik (B2C): Februar 2020 - Juni 2020
Funktion: Data Scientist
Technologien: verschiedene Azure Services (Azure TSI, Azure Cosmos DB,
Azure SQL Datenbank, Azure Functions (FaaS), Azure Key Vault), verschiedene
Zeitreihen- und KI-Frameworks (pyramid ARIMA, SciKit-Learn, Tensorflow-
Keras), Confluence, Jira
Data Scientist, Bestimmung der zukünftig verbrauchten Energie, basierend auf
historischen Daten, sowie der aktuellen Wettervorhersage. Untersuchen des
Einflusses verschiedener meteorologischer Faktoren (Temperatur, Bewölkung,
Niederschlagswahrscheinlichkeit. . . ) und Bewertung verschiedener technischer
Vorhersagemethoden (ARIMA, Random Forest, LSTM) in Bezug auf
Performance, Planungsgüte, sowie Metriken (NRMSE, NMSE, NMAE, MASE).
Lesen und Schreiben von Zeitreihen mittels Python in Azure Time Series
Insights. Implementierung des Python Code in Azure Functions (Function as
a Service). Implementierung einer Reporting Logik zur täglichen Validierung
der Vorhersagen. Mit Hilfe dieser Implementierung erhielt der Kunde einen
Mehrwert durch die mittels maschinellen Lernens analysierten Daten für
künftige Prognosen. Die Bereitstellung der Daten sowie die Verarbeitung
über verschiedene Azure Services erfolgte über eine Cloud-Infrastruktur.
Dokumentation mit Confluence.
3 of 4
{
eCommerce (B2B): September 2019 - Januar 2020
Funktion: Projekt Manager, Data Scientist, Software Entwickler
Technologien: Docker, MySQL, .NET Core, Swagger, R Shiny dashboard,
ShinyProxy, Caddy
Leitende Funktion bei der Konzeption und Ausarbeitung eines Sicherheits- und
Authentifizierungskonzeptes für eine Analyseplattform für den Onlinehandel.
Umsetzung der Architektur auf Basis von Docker-Containern und REST.
{
Telekommunikation (B2C): Mai 2018 - Juni 2019
Funktion: Data Scientist, Software Entwickler
Technologien: Knime, Impala Hadoop, Docker, R Shiny, ShinyProxy, Random
Forests with Scikit-Learn, Neural Networks with Tensorflow
Data Scientist, Erarbeitung von Geschäftsprozessen mit Verantwortlichen aus
den jeweiligen Fachbereichen. Suchen und Finden der zugehörigen Rohdaten
im zentralen Hadoop Cluster via Impala und Knime. Schreiben einer Logik in R
zur Aggregierung der Daten für die definierten KPIs. Entwicklung eines Shiny-
Dashboards zur Visualisierung der Prozesse. Implementierung einer Schnittstelle
vom Dashboard zu den Systemen des Controlling.
Big Data, zu den Geschäftsprozessen zu den definierten KPIs wurden sämtliche
Telefonate zwischen Kunden und Service in den letzten 4 Jahren aus dem
Hadoop Cluster gesucht und mittels Methoden der künstlichen Intelligenz in
der Sprachverarbeitung, Natural Language Processing (NLP), untersucht, um
Ursachen von Beschwerden und Störungen zu verstehen.
Entwicklung prädiktiver Modelle (Ensemble Learning, Neuronale Netze) in
Python und R, um aus historischen Daten individuelle Verrichtungszeiten für
Außendiensteinsätze zu erstellen. Hierzu waren kundenspezifische Entwicklungen
zur Verwendung von maschinellen Lernverfahren und statistischen Modellen
notwendig mit dem Ziel der Verbesserung der Kundengewinnung und
Kundenbindung im B2C-Bereich.
Softwareentwicklung, Implementierung von maschinellem Lernen für den
Wirkbetrieb mittels Methoden des Continuous Integration (CI) und Docker
Containern, sowie Validierung der Professional Services Automation Richtlinien
(PSA-Compliance) erfolgte mittels Python, Impala SQL und Hadoop. Definieren
und Erstellen eines täglichen Reporting und Implementierung einer Schnittstelle
zu den Reporting Datenbanken des Kunden.
{
Industrie und IoT (B2C): April 2017 - Mai 2018
Funktion: Software Entwickler
Technologien: Xamarin Forms, .NET, Bluetooth Low Energy
Entwicklung einer mobile App (Android, iOS) sowie einer PC-Software
zur Programmierung und Steuerung von Zeitschaltuhren. Umsetzung und
Anbindung des Bluetooth-Stacks. Entwicklung eines Discovery-Services (UDP-
Broadcast). Entwicklung eines Roll-out-Tools zum automatisierten Deployment.
Planung und Durchführung des Wartungsprozesses mit einem 3-Personen-Team.
4 of 4
Adrian
Eisenmeier
Profile
David Wijnkoopstraat 7
1069RH Amsterdam
H +31 6 38900517
Personel data
Name
Dipl.-Phys. Adrian Eisenmeier
Day of birth
1985.06.13
Nationality
German
Language skills
German (native), English (fluent), Dutch (beginner)
Programming
languages
Python, R, C# , C++, Java Script
Skills
Various methods of Machine Learning, Neural Networks with Keras/Tensorflow and
Data Science Frameworks (Jupyter Lab, Scikit-Learn, H2O, pyramid Auto-ARMIA,
SciPy, ML.NET, etc.), image processing OpenCV, SkiaSharp, Knime, R Shiny, Grafana
Dashboards, Linux Server Administration, Docker, Kubernetes, Apache Impala Hadoop,
Apache Kafka, Xamarin Forms, Xamarin.Android, Xamarin.iOS, Xamarin.UWP, ASP.NET
Core, Entity Framework Core, Identity Core, Penetration testing and IT Security (Kali,
Tails Linux, Metasploit Framework, NMap, etc.), Bluetooth, agile development, test
driven development, Scrum, Redmine, Jira, Mantis, Confluence, Doxygen LaTeX, Azure
Cloud Ressources (TSI, Functions FaaS, SQL, Cosmos DB), AWS Cloud (EC2, ECS, S3,
Lambdas) GitLab, Subversion, REST API’s, Swagger, automated deployment processes
with Continuous Integration (CI), Reverse Proxys with Caddy, Nginx, Apache, SSL
certificates with Let’s Encrypt
Education
2007 – 2016
Academic studies: Physics, Meteorology, Chemistry,
Albert-Ludwigs-University of Freiburg, Germany.
Degree: Diploma Physicist
1 of 4
Job experience
2011
Scientific Assistant, Pharmacy industry, Freiburg, Germany.
{
Technologies: R, Knime
{
Analysis of synergistic effects in mixtures of various cancer drugs
{
Implementation of Chou Combination Index (CI) in R as Knime Node
2011
Scientific Assistant, Optics industry, Freiburg, Germany.
{
Technologies: Mathematica, Python
{
Development of a software to determine the astigmatism and the focal length of
eye lenses using machine learning. Implementation of the patent specification
(2814916) of the Rodenstock company
{
Aspheric lense approximation by use of cubic B-splines
{
Estimation of metric tensors and numerical solutions of the curvature differential
equations
2012 – 2015
Scientific Assistant, Institute of Physical Chemistry, Albert-Ludwigs-University
of Freiburg, Germany.
{
Technologies: TurboMol, ORCA, Gromacs MD
{
QM/MM simulations of ESR parameters (g-tensor, hyperfine coupling tensor)
for flavo-proteins, solved in an aqueous environment
2016
Scientific Assistant, Institute of Physics, Albert-Ludwigs-University of Freiburg,
Germany.
{
Technologies: C++, CUDA, Python, R
{
Development and analysis of various recurrent neural networks for pattern
matching
{
Unsupervised learning:
- Pattern recognition with Boltzmann nets
- Pattern recognition with LSTM nets
- Pattern recognition with Hopfield nets and analysis of the recognition rate
- by use of different learning rules (Hebbian, Oya, STDP)
- by use of different activations (linear, heavyside, sigmoid)
- by use of different encodings of the neural activity
- by use of energy optimization criteria
- by use of algebraic relations of neural activities to each other
- Comparison of classical Kohonen maps with game theoretical Kohonen maps
{
Supervised learning:
- Trained neural networks for baseline corrections in magnetic resonance spectra
2 of 4
2015 – 2017
System Administrator, IT group for the Institute of Physics, Albert-Ludwigs-
University of Freiburg, Germany.
{
Setup and maintenance of Linux and Windows images with ESXI and XEN.
Configuration of dhcp, and cups server, configuration of NFS data storage,
LDAP authentifications, KISS-systems, USV-configurations, FOG-cloud backups
{
Development of an automatized penetration testing system for the IT network
at the Insitute of Physics.
Cron job controlled vulnerability scans with NMap script engine. Development
of a plugin that downloads exploits from the Rapid 7 database, based on
matching CVE entries returned by NMap. Use of Metasploit Framework (MSF)
for trying to do attacks, based on NMap results, and by use of downloaded
exploits, in case that they are not part of MSF Core.
2017 – 2021
Data Science and Software Development, Dr. Hornecker Softwareentwicklung
und IT Dienstleistungen, Freiburg, Germany.
{
Printing industry (B2B): May 2019 - January 2021
Role: Project Manager, Data Scientist, Software Developer
Technologies: Xamarin Forms, Camera2, Entity Framework Core, OpenCV,
SkiaSharp, Pillow, Docker, REST, Flask API
Lead role in the development of a cross-platform mobile app for fraud detection,
as well as for the calculation of a robust fingerprint, within the scope of
a patented process for security ettiquetes.
Investigation, evaluation and
implementation of image processing methods such as SIFT, SURF, ORB.
Implementation of Laplace and Fourier transforms, as well as signal-to-noise
analyses. Planning and execution of the CI deployment process. Connection to
the cloud via a Flask REST API. Implementation of a heartbeat service for the
Flask controllers, as well as a response system in case of failures.
{
Energy industry (B2C): February 2020 - June 2020
Role: Data Scientist
Technologies: Azure Services (TSI, SQL DB, CosmosDB, Functions), various
timeseries and data science frameworks (Auto-ARIMA, Scikit-Learn, Tensorflow
and Keras)
Data Scientist, Forcast of used electrical consumption, based on historical
data and the actual weather prediction. Investigation of the contribution of
meteoroloical parameters (temperature, cloud cover, precipitation probability,
etc.) and comparison of different forcasting methods (ARIMA, Random Forests,
LSTM Neural Networks) in terms of calculational costs, planning qualities, and
accuracies (mase, nmae, nrmse). Reading and writing data with Azure services,
and implementing the predictive model with Azure functions (FaaS) in Python.
Implementation of a daily validation logic for the reporting. With the help of
this implementation, the customer received value from the data, analyzed by
machine learning, for future forecasts. The provision of the data as well as the
processing is realized via various Azure services in an Azure cloud infrastructure.
Documentation written with Confluence.
3 of 4
{
eCommerce (B2B): September 2019 - January 2020
Role: Project Manager, Data Scientist, Software Developer
Technologies: Docker, MySQL, .NET Core, Swagger, R Shiny dashboard,
ShinyProxy, Caddy
Lead role in the development of a full dockerzied system to upload data of
online market shops into a database, and visualize them. Upload API with
ASP .NET Core implemented, and with Swagger documentated. Dashboard
implemented with R Shiny. Implementation of a secure passwordless access by
use of Json Web Tokens (JWT), reverse proxy with Caddy.
{
Telecommunication industry (B2C): May 2018 - June 2019
Role: Data Scientist, Software Developer
Technologies: Knime, Impala Hadoop, Docker, R Shiny, ShinyProxy, Random
Forests with Scikit-Learn, Neural Networks with Tensorflow
Data Scientist, Elaborating of complex business processes with the responsible
group leaders to get a mapping from the processes to the corresponding data in
the hadoop cluster. Implementing a R logic to calculate KPI’s and development
of a Shiny dashboard for controllable visualizations of the KPI’s. Implementation
of a data interface to give the controlling group access to the data.
Big Data, for the defined KPI’s all phone calls between customer and service, out
of last 4 years, were analysed by the use of methods from language processing
(NLP), to understand the reasons for complaints and disturbances.
Development of a predictive model to forcast individual working times of
telecommunication techniquans in the field, based on historical data. This
required the analysis of customer-specific developments by using machine
learning and statistical models with the aim of improving customer acquisition
and customer retention in the B2C area.
Setup of a compliance conform server for production. Implementation of a
release pipeline (Continuous Integration CI), that orchestrates docker containers
for data access, model prediction, data transfer, and validation . Implementation
of a daily reporting logic and visualization of planning qualities and accuracies.
{
IoT industry (B2C): April 2017 - May 2018
Role: Software Developer
Technologies: Xamarin Forms, .NET, Bluetooth Low Energy
Development of a cross-platform mobile, and a WPF PC app to program and
control smart time switches. Cross-platform implementation of the bluetooth
stack with Robotics libraries. Programming an automated rollout mechanism
for Google and Apple store. Maintenence of Apple developer and app store
connect
4 of 4