Daten zur Person
Name: Dipl.-Phys. Adrian Eisenmeier
Geburtsdatum: 1985.06.13
Staatsangehörigkeit: deutsch
Fremdsprachen: Deutsch (Muttersprache), Englisch (fließend), Niederländisch (Grundkenntnisse)
Programmiersprachen: Python, R, C# , C++, Java Script
Spezialkenntnisse
Verschiedene Methoden des Maschinellen Lernens, darunter Neuronale Netze mit Keras
und Tensorflow, Data Science Frameworks (Jupyter Lab, Scikit-Learn, H2O, pyramid Auto-
ARMIA, SciPy, ML.NET, etc.), Bildverarbeitung mit OpenCV, und SkiaSharp, Knime,
R Shiny und Grafana Dashboards, Linux Server Administration, Container mit Docker,
Docker-Compose, Kubernetes, Container Services und Shiny Proxy, Apache Impala
Hadoop, Apache Kafka, Cross-Platform Entwicklung mit Xamarin Forms, Xamarin.iOS,
Xamarin.Android, Xamarin.UWP, ASP.NET Core, Entity Framework Core, Identity Core,
Penetration testing und IT Security (Kali, Tails Linux, Metasploit Framework, NMap, etc.),
Bluetooth Low Energy, Bluetooth Mesh, Agile Entwicklung, Testgetriebene Entwicklung,
Scrum, Redmine, Jira, Mantis, Confluence, Doxygen LaTeX, Azure Cloud Ressources
(TSI, Functions FaaS, SQL, Cosmos DB), AWS Cloud (EC2, ECS, S3, Lambdas),
Codeverwaltung GitLab, Subversion, REST API’s, Swagger, Automatisierte Deployment-
Prozesse und Continuous Integration (CI), Reverse Proxys mit Caddy, Nginx, Apache,
Zertifikate mit Let’s Encrypt
Ausbildung
2007 – 2016 Studium: Physik, Meteorologie, Albert-Ludwigs-Universität Freiburg, Deutschland.
Projekte und Tätigkeiten
2011 Wissenschaftlicher Mitarbeiter, Pharmazie, Freiburg, Deutschland.
Technologien: R, Knime
- Untersuchung von synergetischen Effekten bei der Vermischung verschiedener Medikamente zur Krebsbehandlung.
- Implementierung des Chou Combination Index (CI) in R als Knime Knoten
2011 Wissenschaftlicher Mitarbeiter, Optik/Medizintechnik , Freiburg, Deutschland.
Technologien: Mathematica, Python
- Entwickeln einer Software zur Bestimmung des Astigmatismus, und des Dioptrienwerts von Augenlinsen mit Hilfe von maschinellem Lernen.
- Implementierung der Patentschrift (2814916) der Firma Rodenstock.
- Approximation asphärischer Linsen mittels kubischer B-Splines
- Bestimmung metrischer Tensoren und Untersuchung der
Krümmungsdifferentialgleichungen mittels Runge-Kutta Verfahren 4.
Ordnung
2012 – 2015 Wissenschaftlicher Mitarbeiter, Institut für Physikalische Chemie,
Albert-Ludwigs-Universität Freiburg, Deutschland.
Technologien: MATLAB, TurboMol, ORCA, Gromacs MD
- QM/MM Simulationen von ESR und NMR Parameter (g-Tensor, Hyperfeinkopplungs-Tensor) für Flavo-Proteine (FAD,FMN, Riboflavin).
- Verwendung von CHARMM Force Fields für die Molekulardynamik
2016 Wissenschaftlicher Mitarbeiter, Physikalisches Institut, Albert-Ludwigs-Universität Freiburg, Deutschland.
Technologien: C++, Python, R
- Entwicklung und Analyse der Erkennungsraten verschiedener Neuronaler Netze zum Pattern Matching, darunter:
Unüberwachtes Lernen:
- Boltzmann Netze
- LSTM Netze
- Hopfield und Jordan Netze mit:
- unterschiedliche Lernregeln (Hebbian, Oya, STDP)
- unterschiedliche Aktivierungsfunktionen (linear, heavyside, sigmoid)
- unterschiedliche Kodierungen der Muster
- unter Verwendung von Energie-Minimierungen
- unter Verwendung algebraischer Beziehungen
- Vergleich von klassischen mit spieltheoretischen Kohonen-Karten
Überwachtes Lernen:
- Trainiertes Netz zur Basislinienkorrektur in NMS und ESR Spektren
2015 – 2017 System Administrator, IT Gruppe des Instituts für Physik, Albert-Ludwigs-Universiät Freiburg, Deutschland.
- Aufsetzen und Wartung von Windows und Linux Images mit ESXI und XEN.
- Konfiguration von DHCP, CUPS, FOG Server, LDAP Authentifikationen
- Erstellen von KISS-Systemen und USV-Konfigurationen
- Entwicklung eines automatisierten Penetrationstest-Systems
2017 – 2023 Data Science and Software Development, Dr. Hornecker Softwareentwicklung
und IT Dienstleistungen, Freiburg, Deutschland.
Finanzen (B2B): September 2022 - Heute
Funktion: Teachnical Lead/Scrum Master, Software Developer, Software Architect
Technologien: R, Python, Reticulate, Docker, Camunda, Fusion Registry, Fame
Leitende Rolle bei der Entwicklung einer R Bibliothek zur Erzeugung statistischer Reporte von Finanzdaten. Übersetzen existierender Logik von Fame nach R und Python. Einbinden der Logik in Prozessworkflows von Camunda mit Hilfe von Reticulate. Planen, Koordinieren und Auswerten von Sprints eingebettet mit 10 anderen Teams.
Finanzen (B2B): Mai 2021 - August 2022
Funktion: Software Developer, Software Architect
Technologien: C#, C++, Matlab
Neuentwicklung einer in Matlab geschriebenen Software zur Bewertung, und Verwaltung von Finanzproduktion in C#. Berechnung der Marktwerte und Cashflows für Bonds, Mortgages, Swaps, Swaptions, Callable Bonds, Floater, und Steepener. Entwurf, Konzeption und Umsetzung von Softwareschnittstellen, und Softwarearchitektur. Planung, und Umsetzung einer Datenbankmodellierung mit Entity Framework, sowie Administration von SQLite und SQL Server Datenbanken. Erstellen von CI/CD Prozessen via Azure DevOps Pipelines, und bereitstellen der Release Artifakte. Erzeugen einer Software Dokumentation via DoxyGen. Anbindung von C++ Frameworks (QuantLib, Boost) an die C# Lösung via C++/CLI. Upgrading aller C# Komponenten auf .NET6, sowie upgraden aller C++ Komponenten auf C++20. Schreiben von Unit Tests und Integrationstest zur Validierung von technischer, und fachlicher Logik.
Druckindustrie (B2B): Mai 2019 - Februar 2021
Funktion: Projekt Manager, Data Scientist, Software Developer
Technologien: Xamarin Forms, Camera2, Entity Framework Core, OpenCV,
SkiaSharp, Pillow, Docker, REST, Flask AP
Leitende Funktion bei der Entwicklung einer App zur Fälschungserkennung sowie
für die Berechnung eines robusten Fingerprints im Rahmen eines patentierten
Verfahrens für Sicherheitsetiketten. Untersuchung, Bewertung und Umsetzung
von Bildverarbeitungsverfahren wie SIFT, SURF, ORB. Implementierung
von Laplace- und Fourier-Transformationen, sowie Signal-Rausch Analysen.
Planung und Durchführung des CI Deployment-Prozesses für Android und
iOS. Anbindung an den Server über eine REST-API. Implementierung eines
Heartbeat Service für die Flask-Controller, sowie eines Response-Systems im
Falle von Störungen.
Energietechnik (B2C): Februar 2020 - Juni 2020
Funktion: Data Scientist
Technologien: verschiedene Azure Services (Azure TSI, Azure Cosmos DB,
Azure SQL Datenbank, Azure Functions (FaaS), Azure Key Vault), verschiedene
Zeitreihen- und KI-Frameworks (pyramid ARIMA, SciKit-Learn, Tensorflow-
Keras), Confluence, Jira
Data Scientist, Bestimmung der zukünftig verbrauchten Energie, basierend auf
historischen Daten, sowie der aktuellen Wettervorhersage. Untersuchen des
Einflusses verschiedener meteorologischer Faktoren (Temperatur, Bewölkung,
Niederschlagswahrscheinlichkeit. . . ) und Bewertung verschiedener technischer
Vorhersagemethoden (ARIMA, Random Forest, LSTM) in Bezug auf
Performance, Planungsgüte, sowie Metriken (NRMSE, NMSE, NMAE, MASE).
Lesen und Schreiben von Zeitreihen mittels Python in Azure Time Series
Insights. Implementierung des Python Code in Azure Functions (Function as
a Service). Implementierung einer Reporting Logik zur täglichen Validierung
der Vorhersagen. Mit Hilfe dieser Implementierung erhielt der Kunde einen
Mehrwert durch die mittels maschinellen Lernens analysierten Daten für
künftige Prognosen. Die Bereitstellung der Daten sowie die Verarbeitung
über verschiedene Azure Services erfolgte über eine Cloud-Infrastruktur.
Dokumentation mit Confluence.
eCommerce (B2B): September 2019 - Januar 2020
Funktion: Projekt Manager, Data Scientist, Software Entwickler
Technologien: Docker, MySQL, .NET Core, Swagger, R Shiny dashboard,
ShinyProxy, Caddy
Leitende Funktion bei der Konzeption und Ausarbeitung eines Sicherheits- und
Authentifizierungskonzeptes für eine Analyseplattform für den Onlinehandel.
Umsetzung der Architektur auf Basis von Docker-Containern und REST.
Telekommunikation (B2C): Mai 2018 - Juni 2019
Funktion: Data Scientist, Software Entwickler
Technologien: Knime, Impala Hadoop, Docker, R Shiny, ShinyProxy, Random
Forests with Scikit-Learn, Neural Networks with Tensorflow
Data Scientist, Erarbeitung von Geschäftsprozessen mit Verantwortlichen aus
den jeweiligen Fachbereichen. Suchen und Finden der zugehörigen Rohdaten
im zentralen Hadoop Cluster via Impala und Knime. Schreiben einer Logik in R
zur Aggregierung der Daten für die definierten KPIs. Entwicklung eines Shiny-
Dashboards zur Visualisierung der Prozesse. Implementierung einer Schnittstelle
vom Dashboard zu den Systemen des Controlling.
Big Data, zu den Geschäftsprozessen zu den definierten KPIs wurden sämtliche
Telefonate zwischen Kunden und Service in den letzten 4 Jahren aus dem
Hadoop Cluster gesucht und mittels Methoden der künstlichen Intelligenz in
der Sprachverarbeitung, Natural Language Processing (NLP), untersucht, um
Ursachen von Beschwerden und Störungen zu verstehen.
Entwicklung prädiktiver Modelle (Ensemble Learning, Neuronale Netze) in
Python und R, um aus historischen Daten individuelle Verrichtungszeiten für
Außendiensteinsätze zu erstellen. Hierzu waren kundenspezifische Entwicklungen
zur Verwendung von maschinellen Lernverfahren und statistischen Modellen
notwendig mit dem Ziel der Verbesserung der Kundengewinnung und
Kundenbindung im B2C-Bereich.
Softwareentwicklung, Implementierung von maschinellem Lernen für den
Wirkbetrieb mittels Methoden des Continuous Integration (CI) und Docker
Containern, sowie Validierung der Professional Services Automation Richtlinien
(PSA-Compliance) erfolgte mittels Python, Impala SQL und Hadoop. Definieren
und Erstellen eines täglichen Reporting und Implementierung einer Schnittstelle
zu den Reporting Datenbanken des Kunden.
Industrie und IoT (B2C): April 2017 - Mai 2018
Funktion: Software Entwickler
Technologien: Xamarin Forms, .NET, Bluetooth Low Energy
Entwicklung einer mobile App (Android, iOS) sowie einer PC-Software
zur Programmierung und Steuerung von Zeitschaltuhren. Umsetzung und
Anbindung des Bluetooth-Stacks. Entwicklung eines Discovery-Services (UDPBroadcast).
Entwicklung eines Roll-out-Tools zum automatisierten Deployment.
Planung und Durchführung des Wartungsprozesses mit einem 3-Personen-Team.