26.10.2026 aktualisiert
60 % teilweise verfügbar
Data Scientist | Python | Applied AI & Agentic Workflows
Bamberg, Deutschland
Weltweit
B.A. Sport-, Event- & MedienmanagementÜber mich
Data Scientist mit Schwerpunkt auf Machine Learning und agentischen KI-Systemen, daneben NLP. Ich setze Projekte von der Rohdatenanalyse bis zur fertigen Anwendung um und halte fest, worauf ein Ergebnis beruht und wo seine Grenzen liegen. Zertifiziert über die Université Paris 1 Panthéon-Sorbonne.
Skills
AI AgentsLLMKünstliche IntelligenzMachine LearningNatural Language ProcessingSQLDatenverarbeitungData SciencePyTorchpandasScikit-learnDatenanalytik
Machine Learning & Predictive Modeling
Fundierte Kenntnisse in der Entwicklung und Evaluierung von Machine-Learning-Modellen mit Python, scikit-learn, XGBoost und CatBoost. Einsatz von SHAP zur Modellinterpretation sowie pandas und numpy zur Datenverarbeitung.
Applied AI & Agentic Workflows
Erfahrung im Aufbau agentischer KI-Systeme mit OpenAI API, LangChain, LangGraph und dem Model Context Protocol (MCP). Entwicklung von Multi-Agenten-Architekturen mit Validierungsschleifen und FastAPI-Integration.
Natural Language Processing (NLP)
Anwendung moderner NLP-Methoden mit spaCy, BERTopic, DistilBERT, TF-IDF und Hugging Face Transformers. Durchführung von Sentiment-Klassifikation und Topic Modeling auf großen Textdatensätzen.
Statistik & Hypothesentests
Kenntnisse in statistischen Testverfahren wie Mann-Whitney-U und Chi-Quadrat sowie in der Berechnung von Effektstärken, PR-AUC und Threshold-Optimierung. Umgang mit Klassenungleichgewicht durch SMOTE.
Deep Learning
Erfahrung mit PyTorch und TensorFlow für den Aufbau und das Training von Deep-Learning-Modellen. Nutzung von Hugging Face Transformers für vortrainierte Sprachmodelle.
Daten & Tools
Sicherer Umgang mit SQL, Git, MLflow, Streamlit, matplotlib und seaborn zur Datenverwaltung, Versionierung, Experimentverfolgung und Visualisierung.
RAG & Wissensretrieval
Aufbau von Retrieval-Augmented-Generation-Systemen (RAG) zur kontextbasierten Informationsbereitstellung in KI-Anwendungen.
Cloud & Zertifizierung
Zertifizierung als AWS Certified Cloud Practitioner mit grundlegenden Kenntnissen in Cloud-Infrastruktur und -Diensten.
Fundierte Kenntnisse in der Entwicklung und Evaluierung von Machine-Learning-Modellen mit Python, scikit-learn, XGBoost und CatBoost. Einsatz von SHAP zur Modellinterpretation sowie pandas und numpy zur Datenverarbeitung.
Applied AI & Agentic Workflows
Erfahrung im Aufbau agentischer KI-Systeme mit OpenAI API, LangChain, LangGraph und dem Model Context Protocol (MCP). Entwicklung von Multi-Agenten-Architekturen mit Validierungsschleifen und FastAPI-Integration.
Natural Language Processing (NLP)
Anwendung moderner NLP-Methoden mit spaCy, BERTopic, DistilBERT, TF-IDF und Hugging Face Transformers. Durchführung von Sentiment-Klassifikation und Topic Modeling auf großen Textdatensätzen.
Statistik & Hypothesentests
Kenntnisse in statistischen Testverfahren wie Mann-Whitney-U und Chi-Quadrat sowie in der Berechnung von Effektstärken, PR-AUC und Threshold-Optimierung. Umgang mit Klassenungleichgewicht durch SMOTE.
Deep Learning
Erfahrung mit PyTorch und TensorFlow für den Aufbau und das Training von Deep-Learning-Modellen. Nutzung von Hugging Face Transformers für vortrainierte Sprachmodelle.
Daten & Tools
Sicherer Umgang mit SQL, Git, MLflow, Streamlit, matplotlib und seaborn zur Datenverwaltung, Versionierung, Experimentverfolgung und Visualisierung.
RAG & Wissensretrieval
Aufbau von Retrieval-Augmented-Generation-Systemen (RAG) zur kontextbasierten Informationsbereitstellung in KI-Anwendungen.
Cloud & Zertifizierung
Zertifizierung als AWS Certified Cloud Practitioner mit grundlegenden Kenntnissen in Cloud-Infrastruktur und -Diensten.
Erfahrung
Berufserfahrung0 - 5 Jahre
Freelancer seit2026
Sprachen
DeutschMutterspracheEnglischverhandlungssicherSpanischgut
Projekthistorie
Eigenverantwortliches Handeln unter Druck in einem stark regulierten Umfeld; sichere Kommunikation in drei Sprachen und ausgeprägte interkulturelle Kompetenz.
End-to-end NLP-Analyse von ca. 435.000 Kundenrezensionen zu 48 Produkten mit Sentiment-Klassifikation und Topic Modeling zur Identifikation adressierbarer Unzufriedenheitsursachen. Einsatz von DistilBERT und BERTopic; Evaluierung gegen TF-IDF-Baseline.
Entwicklung eines Multi-Agenten-Systems aus Planner, Validator und Reporter mit OpenAI Agents SDK, MCP, FastAPI und React. Erstellung tagesgenauer Reisepläne aus Echtdaten; Validierungsschleife zur Constraint-Prüfung; zweisprachig (DE/EN).