Über mich
Ich bin Data Scientist und Machine Learning Engineer und befinde mich aktuell im Endspurt meines Studiums. In meiner Abschlussarbeit beschäftige ich mich mit Entity Resolution mithilfe von Machine Learning und Vektor-Ähnlichkeitssuche. Mich fasziniert es, aus rohen Daten produktionsreife Systeme zu bauen. Ein Modell ist für mich erst dann ein Erfolg, wenn es in einer stabilen und skalierbaren Pipeline läuft.
Mein Fokus liegt ganz klar auf tabularen Daten, getreu dem Motto: XGBoost is all you need. Auch wenn ich in der Vergangenheit bereits Deep Learning Modelle wie ein ResNet in nativem PyTorch gebaut habe, schlägt mein Herz für klassische tabulare Datensätze.
Ich lerne am besten durch die Arbeit an eigenen Projekten. Mein letztes großes Vorhaben war ein optimiertes und skalierbares Anti Money Laundering Programm. Dieses System analysiert Transaktionsdaten und erkennt Anomalien zuverlässig. Von der Datenmodellierung bis hin zur fertigen Pipeline spiegelt dieses Projekt meine Vorliebe für sauberen Code wider.
Seit vier Jahren programmiere ich aktiv in Python und habe mir in dieser Zeit einen Tech-Stack angeeignet, der den Großteil des modernen MLOps-Prozesses abdeckt.