Projektziel ist, strukturelle Engpässe im Schienennetz der Deutschenbahn für die nächsten 30 Minuten vorherzusagen, um Zugdisponenten bei der Disposition von Zügen zu unterstützen.
?Überführung des ML-Modells in den produktiven Betrieb mit API-Schnittstelle.
Entwicklung eines Software Tools zur Ermittlung des maximalen Preises innerhalb einer Frequenzbandauktion. Berechnung der Auslastungsentwicklung der bestehenden Netzinfrastruktur und Erstellung eines Optimierungsszenarios für den Ausbau der Infrastruktur.
?Entwicklung eines ETL-Prozesses zur automatischen Datenverarbeitung, Datenspeicherung und Berechnung des Optimierungsszenarios
Entwicklung eines automatisierten Erkennungsverfahrens für Hassrede in Online-Portalen auf der Basis eines nachtrainierbaren Classifiers
?Durchführung von Explorativen Datenanalysen auf den Datensätzen
?Implementierung einer REST API zur Anbindung anderer Systemkomponenten
Projektziel ist, strukturelle Engpässe im Schienennetz der Deutschenbahn zu identifizieren. Dies beinhaltet die Identifikation von überlasteter Gleisabschnitte, Weichen und Bahnsteige, Stellen im Fahrplan, die eine Verzögerung fördern, sowie die Empfehlung von konkreten Handlungsmaßnahmen wie zum Beispiel das schnelle Räumen oder die Anpassung der Fahrweise eines Zuges.
?Die genauen Geokoordinaten einzelner Infrastrukturobjekte wurden ermittelt. Hierfür wurde ein Algorithmus (Trajektorien Approximation) entwickelt, der die GPS-Daten der Züge auf die nächstmögliche Infrastrukturobjekte aus OpenRailwayMap mappt, um so die dort hinterlegten Geokoordinaten auf die Objektbezeichner der internen digitalen Schieneninfrastruktur zu überführen.
Projektziel war, für die den Kunden ein umfassendes Berichtswesen der Kundenpolicen zu erstellen. Hierfür wurden diverse Dashboards für die Fachabteilungen „Multinational“, „Marine“ und „Underwriting“ erstellt und unternehmensweit ausgerollt.
Projektziel war, für den Kunden ein komplettes Datawarehouse in der AWS Cloud zu erstellen. Der Kunde wird somit befähigt seine Kunden in den verschiedenen Phasen der ‚Customer Journey‘ zu analysieren und gezielt Maßnahmen z.B. zur Kundenrückgewinnung einzuleiten.
Projektziel war, für die den Kunden ein umfassendes Berichtswesen der Kundenpolicen zu erstellen. Hierfür wurden diverse Dashboards für die Fachabteilungen „Multinational“, „Marine“ und „Underwriting“ erstellt und unternehmensweit ausgerollt.
Projektziel war, für den Kunden ein komplettes Data Warehouse in der AWS Cloud zu erstellen und sämtliche Prozesse zu digitalisieren.
Entwicklung einer internen analytischen Plattform zum Knowledge-Management. Die Plattform verwendet natural language processing, um Dokumente basierend auf verschiedenen Distanzmetriken miteinander zu vergleichen und beschreibende Merkmale (Sprache, Themen, Kunden, Branchen und Technologien) zu extrahieren.
Projektziel war, für die Abteilung Big Data, Maschinelles Lernen und Künstliche Intelligenz des Kunden qualitativ hochwertige Schulungsunterlagen zum Thema der fortgeschrittenen Zeitreihenanalyse auszuarbeiten. Dies beinhaltete die Erstellung von Präsentationen, eine fünf-stündige Schulung sowie die Ausarbeitung eines Leitfadendokumentes, welches das Vorgehen im Umgang mit Zeitreihen detailliert beschreibt.
Entwicklung einer Web-Applikation inklusive der darunterliegenden Business Intelligence Infrastruktur zur Darstellung von geschäftskritischen KPIs für das Top Management einer großen europäischen Luft- und Raumfahrtgesellschaft.
Projektname: Betrugserkennung in der Automobilversicherung. Einer der Geschäftsbereiche mit dem höchsten Kosteneinsparpotenzial ist der Kfz Versicherungssektor. Zusammen mit dem Kunden erarbeiteten wir ein statistisches Modell zur Vorhersage der Betrugswahrscheinlichkeit jedes Versicherungsnehmers.
Während des Zusammenschlusses zweier Netzwerkanbieter sollten kundenbezogene Datensätze vor Beginn der Datenbankmigration anonymisiert werden, um konform mit Europäische Datenschutzgesetzen zu sein.
Analyse von Geschäftskundenrechnungsdaten aus dem EDV System, um die Darstellungsart der Geschäftskundenrechnung verständlicher zu gestalten.
Infonomics
Der Berater verfügt über 6 Jahre Erfahrung in den Bereichen Data Engineering, Data Science, Datenmodellierung und Business Intelligence. Darüber hinaus verfügt der Berater über ein hohes persönliches Interesse und Engagement zur kontinuierlichen Weiterentwicklung in neuen Technologien, wie z.B. Docker, Cloud Services (AWS), Hadoop, und Webentwicklung. Data, Science und Webentwicklung sind Themen, die ihn faszinieren und mit denen er sich identifiziert.
Versicherung,
Automotive,
Finanzdienstleistungen,
Telekommunikation,
Luft- und Raumfahrt
Projektziel ist, strukturelle Engpässe im Schienennetz der Deutschenbahn für die nächsten 30 Minuten vorherzusagen, um Zugdisponenten bei der Disposition von Zügen zu unterstützen.
?Überführung des ML-Modells in den produktiven Betrieb mit API-Schnittstelle.
Entwicklung eines Software Tools zur Ermittlung des maximalen Preises innerhalb einer Frequenzbandauktion. Berechnung der Auslastungsentwicklung der bestehenden Netzinfrastruktur und Erstellung eines Optimierungsszenarios für den Ausbau der Infrastruktur.
?Entwicklung eines ETL-Prozesses zur automatischen Datenverarbeitung, Datenspeicherung und Berechnung des Optimierungsszenarios
Entwicklung eines automatisierten Erkennungsverfahrens für Hassrede in Online-Portalen auf der Basis eines nachtrainierbaren Classifiers
?Durchführung von Explorativen Datenanalysen auf den Datensätzen
?Implementierung einer REST API zur Anbindung anderer Systemkomponenten
Projektziel ist, strukturelle Engpässe im Schienennetz der Deutschenbahn zu identifizieren. Dies beinhaltet die Identifikation von überlasteter Gleisabschnitte, Weichen und Bahnsteige, Stellen im Fahrplan, die eine Verzögerung fördern, sowie die Empfehlung von konkreten Handlungsmaßnahmen wie zum Beispiel das schnelle Räumen oder die Anpassung der Fahrweise eines Zuges.
?Die genauen Geokoordinaten einzelner Infrastrukturobjekte wurden ermittelt. Hierfür wurde ein Algorithmus (Trajektorien Approximation) entwickelt, der die GPS-Daten der Züge auf die nächstmögliche Infrastrukturobjekte aus OpenRailwayMap mappt, um so die dort hinterlegten Geokoordinaten auf die Objektbezeichner der internen digitalen Schieneninfrastruktur zu überführen.
Projektziel war, für die den Kunden ein umfassendes Berichtswesen der Kundenpolicen zu erstellen. Hierfür wurden diverse Dashboards für die Fachabteilungen „Multinational“, „Marine“ und „Underwriting“ erstellt und unternehmensweit ausgerollt.
Projektziel war, für den Kunden ein komplettes Datawarehouse in der AWS Cloud zu erstellen. Der Kunde wird somit befähigt seine Kunden in den verschiedenen Phasen der ‚Customer Journey‘ zu analysieren und gezielt Maßnahmen z.B. zur Kundenrückgewinnung einzuleiten.
Projektziel war, für die den Kunden ein umfassendes Berichtswesen der Kundenpolicen zu erstellen. Hierfür wurden diverse Dashboards für die Fachabteilungen „Multinational“, „Marine“ und „Underwriting“ erstellt und unternehmensweit ausgerollt.
Projektziel war, für den Kunden ein komplettes Data Warehouse in der AWS Cloud zu erstellen und sämtliche Prozesse zu digitalisieren.
Entwicklung einer internen analytischen Plattform zum Knowledge-Management. Die Plattform verwendet natural language processing, um Dokumente basierend auf verschiedenen Distanzmetriken miteinander zu vergleichen und beschreibende Merkmale (Sprache, Themen, Kunden, Branchen und Technologien) zu extrahieren.
Projektziel war, für die Abteilung Big Data, Maschinelles Lernen und Künstliche Intelligenz des Kunden qualitativ hochwertige Schulungsunterlagen zum Thema der fortgeschrittenen Zeitreihenanalyse auszuarbeiten. Dies beinhaltete die Erstellung von Präsentationen, eine fünf-stündige Schulung sowie die Ausarbeitung eines Leitfadendokumentes, welches das Vorgehen im Umgang mit Zeitreihen detailliert beschreibt.
Entwicklung einer Web-Applikation inklusive der darunterliegenden Business Intelligence Infrastruktur zur Darstellung von geschäftskritischen KPIs für das Top Management einer großen europäischen Luft- und Raumfahrtgesellschaft.
Projektname: Betrugserkennung in der Automobilversicherung. Einer der Geschäftsbereiche mit dem höchsten Kosteneinsparpotenzial ist der Kfz Versicherungssektor. Zusammen mit dem Kunden erarbeiteten wir ein statistisches Modell zur Vorhersage der Betrugswahrscheinlichkeit jedes Versicherungsnehmers.
Während des Zusammenschlusses zweier Netzwerkanbieter sollten kundenbezogene Datensätze vor Beginn der Datenbankmigration anonymisiert werden, um konform mit Europäische Datenschutzgesetzen zu sein.
Analyse von Geschäftskundenrechnungsdaten aus dem EDV System, um die Darstellungsart der Geschäftskundenrechnung verständlicher zu gestalten.
Infonomics
Der Berater verfügt über 6 Jahre Erfahrung in den Bereichen Data Engineering, Data Science, Datenmodellierung und Business Intelligence. Darüber hinaus verfügt der Berater über ein hohes persönliches Interesse und Engagement zur kontinuierlichen Weiterentwicklung in neuen Technologien, wie z.B. Docker, Cloud Services (AWS), Hadoop, und Webentwicklung. Data, Science und Webentwicklung sind Themen, die ihn faszinieren und mit denen er sich identifiziert.
Versicherung,
Automotive,
Finanzdienstleistungen,
Telekommunikation,
Luft- und Raumfahrt