Anna Weber

• Abschlussarbeit: „Ein Deep-Learning-Ansatz zur Vorhersage des Energiebedarfs in intelligenten Stromnetzen"

• Vertiefung in Machine Learning, statistischer Datenanalyse und verteilten Systemen

• Praktische Erfahrung durch Projekte mit TensorFlow, Spark und Cloud-Technologien

• Bachelorarbeit: „Entwicklung einer interaktiven Visualisierung zur explorativen Datenanalyse"

• Grundlagen in Mathematik, Informatik und Statistik

• Leitung der Entwicklung einer ML-Plattform für Kundensegmentierung und personalisierte Empfehlungen

• Aufbau und Automatisierung von Data-Pipelines auf AWS mit Docker, Kubernetes und Terraform

• Einführung von MLflow zur Modellverwaltung und Reproduzierbarkeit

• Enge Zusammenarbeit mit Produktmanagement und Softwareentwicklung zur Integration von Modellen in Produktionssysteme

• Entwicklung von Risikomodellen zur Betrugserkennung im Zahlungsverkehr

• Analyse großer Transaktionsdatensätze mit Apache Spark und SQL

• Erstellung interaktiver Dashboards zur Überwachung von Modell-Performance und Geschäftskennzahlen

• Präsentation von Ergebnissen vor Fachbereichsleitungen und externen Partnern

• Unterstützung des Data-Science-Teams bei der Datenaufbereitung und explorativen Analyse

• Automatisierung von Reporting-Prozessen mit Python und Excel

• Durchführung statistischer Auswertungen für Kundenprojekte

Auszeichnung für die Arbeit zur Optimierung von Prognosemodellen für den Energiebedarf mittels Deep Learning.

Vergleich verschiedener Ensemble-Methoden zur Prognose der Kundenabwanderung im Telekommunikationssektor.

• Entwicklung einer skalierbaren ML-Pipeline mit automatisiertem Retraining und Monitoring

• Integration von Kafka zur Echtzeit-Datenverarbeitung

• Deployment als Docker-Container auf Kubernetes

• Unterstützung gemeinnütziger Organisationen bei der Analyse offener Daten

• Entwicklung datenbasierter Anwendungen für bürgernahe Projekte