Ich erstelle Python-Datenwissenschafts-Skripte, Machine-Learning-Modelle und EDA

Unstrukturierte Daten und oberflächliche Analysen führen zu verpassten Geschäftschancen und operativen Verzögerungen. Ich entwickle produktionsreife Python-Workflows, explorative Datenpipelines und Machine-Learning-Modelle, die komplexe Datenverarbeitung automatisieren, statistische Muster aufdecken und wichtige Geschäftskennzahlen vorhersagen.

TECHNISCHE LIEFERUNGEN

* Erweiterte Datenvorbereitung: Maßgeschneiderte Pandas- und NumPy-Pipelines für Dataset-Parsing, Imputation fehlender Werte, Ausreißererkennung, Skalierung und Feature-Engineering.

* Explorative Datenanalyse (EDA): Statistische Profilierung, Korrelationsmetriken und Visualisierungen mit Seaborn und Matplotlib.

* Vorhersagemodelle im Machine Learning: Überwachte und unüberwachte Modelle, erstellt mit Scikit-Learn:

 - Klassifikation & Risiko: Logistische Regression, Random Forests, Entscheidungsbäume (z.B. Mitarbeiterfluktuation, Stornorisiko).

 - Regression & Bewertung: Log-transformierte lineare Modelle, Feature-Importance-Bewertung (z.B. Preisfindungssysteme).

 - Unüberwachtes Clustering: K-Means & PCA für das Verhalten von Kunden.

 - Predictive Maintenance: Echtzeit-Sensoranomalieerkennung.

* Code-Standards: Sauberer, modularer Python-Code, geliefert in Jupyter Notebooks (.ipynb) oder .py-Skripten