Welcome to Dr. Friedbert's freelance profile!

Malt gives you access to the best freelancers for your projects. Contact Dr. Friedbert to discuss your project or search for other similar profiles on Malt.

Dr. Friedbert Wilczewski

Data Scientist, Data Analyst, SIX SIGMA

Moves to Freiburg im Breisgau, Düsseldorf, Frankfurt am Main, Stuttgart, Hamburg, Berlin, Freiburg im Breisgau, München, Basel

  • 47.9961
  • 7.8494
  • Indicative rate €800 / day
  • Experience 7+ years
Propose a project The project will only begin when you accept Dr. Friedbert's quote.

Availability not confirmed

Propose a project The project will only begin when you accept Dr. Friedbert's quote.

Location and geographical scope

Location
Freiburg im Breisgau, Deutschland
Can work in your office at
  • Freiburg im Breisgau and 50km around
  • Düsseldorf and 80km around
  • Frankfurt am Main and 80km around
  • Stuttgart and 80km around
  • Hamburg and 80km around
  • Berlin and 80km around
  • Freiburg im Breisgau and 80km around
  • München
  • Basel and 80km around

Preferences

Project length
  • ≤ 1 week
  • ≤ 1 month
  • Between 1-3 months
  • Between 3-6 months
  • ≥ 6 months
Business sector
  • Automobile
  • Banking & Insurance
  • Consulting & Auditing
  • Digital Agency and IT company
  • E-commerce
+15 autres
Company size
  • 1 person
  • 2 - 10 people
  • 11 - 49 people
  • 50 - 249 people
  • 250 - 999 people
+2 autres

Verifications

Languages

  • Englisch

    Limited working proficiency

  • Deutsch

    Native or bilingual

Categories

Skills (26)

  • BigData
  • Beginner Intermediate Advanced
  • Beginner Intermediate Advanced
  • Data Science
  • Beginner Intermediate Advanced
  • Beginner Intermediate Advanced

Dr. Friedbert in a few words

Als Data Scientist betrachte ich die Fragestellungen aus einem methodenorientierten Blickwinkel. Ich bringe meine Kenntnisse über die zur Verfügung stehenden Algorithmen bzw. Verfahren und mein statistisches Wissen in die Projektdefinition ein. Eine erste Aufgabe ist es gemeinsam mit dem Kunden aus einer betriebswirtschaftlichen Perspektive den möglichen Geschäftserfolg abzuschätzen (ROI). Auch muss hier geklärt werden, welche Use-Cases für eine erste Umsetzung möglich bzw. vom Kunden gewünscht sind.

Für alle Data Science Projekte ist die Ist-Aufnahme der bereits vorhandenen Datenbestände ein erster wichtiger Schritt. Hier ist zu klären welche Daten vorliegen und mit welcher Qualität. Aus dieser Information können die weiteren Daten festgelegt werden, die für das Projekt wahrscheinlich erforderlich sind. Dies ist ein iterativer Prozess der im Projektverlauf mehrmals durchlaufen werden muss.

Mit dieser ersten Analyse ist eine erste Kosten- und Zeitplanung möglich.
Für die Projektdurchführung hat sich der Regelkreis nach der CRISP-DM (Cross-Industry Standard Process) sehr gut bewährt.
Sind nun die Randbedingen geklärt kann mit dem Projekt gestartet werden. Hier beginnt die eigentliche Arbeit des Data Scientist. Folgende Hauptpunkte sind nun abzuarbeiten:
1. Verständnis der Daten schaffen
2. Vor- und Aufbereitung der Daten
3. Modellieren mit Hilfe der unterschiedlichen Verfahren
4. Bewertung und Überprüfung der Ergebnisse
5. Bereitstellung und Anwendung der Ergebnisse im produktiven Betrieb
Diese 5 Punkte werden mit den Standard Softwaretools und Methoden des Data Scientist abgearbeitet. Erfahrungen liegen mit den folgenden Softwaretools vor.
Meine Aufgaben in den verschiedenen durchgeführten Projekten waren neben Projektleitung das Einbringen meiner Kernkompetenzen in die Projekte.

Experience

Auf Anfrage

Aviation & Aerospace

Unterstützung bei der Zulassung Sicherheitskritischer Systeme

July 2019 - Today

Dokumenten Review

Auf Anfrage

Pharmaceuticals

Risikosimulation mit der Monte Carlo Methode

January 2019 - June 2019

Einführung der Monte Carlo Methode für das Projektmanagement
Schulung der Mitarbeiter in der Monte Carlo Methode für das Projektmanagement
Evaluierung der verschiedenen SW Anbieter
Monte Carlo Methode

Auf Anfrage

Aviation & Aerospace

Aufbau eines SPC Systems in der MEMS Produktion

November 2018 - February 2019

Installation und Management eines SPC-Systems in der MEMS Produktion
Einzelheiten auf Anfrage

Auf Anfrage

Travel & Tourism

Text-Mining: Facebook und Twitter Reaktionen

January 2018 - December 2018

Ziel des Projektes war aus den Reaktionen auf Facebook und Twitter auf veröffentlichen Beiträgen eine Aussage über die Kundenzufriedenheit abzuleiten.
R R-Studio Python

Auf Anfrage

Aviation & Aerospace

Korrelationsanalysen im Bereich Fasersensoren

May 2018 - December 2018

Ziel des Projektes war die Verknüpfung von Testdaten aus den Produktionsprozessen um den Einfluss verschiedener Faktoren, die während der Produktion anfallen, zu analysieren. Aus den Analysen der großen Datensätze (mehrere Gigabyte) wurde erkannt, welche Faktoren einen entscheidenden Einfluss auf die Qualität des Endproduktes haben.

Auf Anfrage

Chemical

Validation von Testmethoden

January 2018 - June 2018

Validierung von Testmethoden im Medizinischen Bereich; Statistische Auswertungen
Minitab; R

Auf Anfrage

Aviation & Aerospace

Predictive Maintenance

September 2017 - April 2018

Ziel des Projektes war die Analyse von Produktionsdaten um auf die Ausfallwahrscheinlichkeiten der Anlagen zu schließen. Mit den Ergebnissen konnten vorbeugende Wartungen durchgeführt werden.
Analyse mit R Python Rapid Miner

Auf Anfarge

Automobile

Development of an analytical environment for BIG DATA; Technical Architect (Predictive) Analytics

July 2017 - October 2017

Installation und Management über Ambari (Hortonworks); Cluster mit 3 Serverinstallation von Lambda Architektur mit Kafka als Ingestion Layer; Speed Layer (Storm); Batch Layer (Spark)

Datenspeicherung in verschiedenen Datenbanken (HBase, Cassandra, MongoDb, „HDFS“) Auswertung wurde hauptsächlich mit Python und R durchgeführt => Prädiktive Analytics Aufbau und Betrieb eines ETL Prozess mit Talend (Ladeprozess für verschiedenen Datenquellen (SQL, SAP))
HADOOP ECO; AWS Cloud Machine Learning

Auf Anfrage

High Tech

Datenanalyse im Entwicklungsprozess im Medizinbereich; Durchführung eines DOE, Einzelheiten sind vertraulich

January 2017 - June 2019

Optimierung eines Produktionsprozesses mit Hilfe eines DOE (design of experiments, statistische Versuchsplanung). Ziel des Projektes war den Ausschuss zu reduzieren und die Prozessparameter optimal einzustellen..
Analyse mit R Python Minitab

Auf Anfrage

Travel & Tourism

Datenanalyse im Bereich Touristik Aufbau CRM System im Tourismusbereich , Einzelheiten sind vertraulich.

January 2017 - July 2017

Ziel des Projektes war aus den Reaktionen auf Facebook und Twitter auf veröffentlichen Beiträgen eine Aussage über die Kundenzufriedenheit im Tourismusbereich abzuleiten.
R Python Rapid Miner

Auf Anfrage

Aviation & Aerospace

Aufbau eines Qualitätsmanagements für Produktionsdaten; Coaching Mitarbeiter

August 2016 - December 2016

Ziel des Projektes war die Verknüpfung von Testdaten aus den Produktionsprozessen um den Einfluss verschiedener Faktoren, die während der Produktion anfallen, zu analysieren. Aus den Analysen der großen Datensätze (mehrere Gigabyte) wurde erkannt, welche Faktoren einen entscheidenden Einfluss auf die Qualität des Endproduktes haben.
SAP Tableau

Auf Anfrage

Primary sector

Prozessoptimierung mit DOE

August 2016 - December 2016

Ziel des Projektes war die Einstellung von Anlagendaten einer 600 m langen Walzanlage für Weißblech. Die Durchlaufgeschwindigkeit betrug bis zu 300 m/min. Dies wurde mit einem statistischen Versuchsplan (DOE) durchgeführt
Mintab R

Auf Anfrage

Aviation & Aerospace

Einführung SPC über SAP

July 2015 - December 2015

Dieses Projekt war eine Fortführung des Projektes „Einführung SPC vernetzte Arbeitsplätze (INDUSTRIE 4.0)“. Wichtigste Erweiterung war das Einbinden von SAP R3

Auf Anfrage

Aviation & Aerospace

Einführung SPC vernetzte Arbeitsplätze (INDUSTRIE 4.0); Coaching Mitarbeiter

January 2015 - June 2015

Ziel des Projektes war der Aufbau eines SPC Systems (statistische Prozesskontrolle) Mit diesem System wurden Prozesskenngrößen erfasst und statistisch Ausgewertet um die Prozessstabilität der Herstellungsprozess zu garantieren. Hauptziel war es frühzeitig Prozessveränderungen z.B. Verschleiß zu erkennen.
Die graphische Darstellung der Ergebnisse erfolgte hauptsächlich mit Tableau.
Benutzt wurden die Ergebnisse von Gruppenleitern und Abteilungsleitern in der Produktion
R Python Minitab Predictive Analytics

Auf Anfrage

Aviation & Aerospace

Aufbau eines MES Systems auf Basis SAP R3, Einführen Produktionstracking (Einzelfertigung, Kleinserie), Coaching Gruppenleitern und Abteilungsleitern in der Produktion

Freiburg im Breisgau, Deutschland

January 2015 - June 2015

Ziel des Projektes war der Aufbau eines SPC Systems (statistische Prozesskontrolle) Mit diesem System wurden Prozesskenngrößen erfasst und statistisch Ausgewertet um die Prozessstabilität der Herstellungsprozess zu garantieren. Hauptziel war es frühzeitig Prozessveränderungen z.B. Verschleiß zu erkennen.
Die graphische Darstellung der Ergebnisse erfolgte hauptsächlich mit Tableau.
Predictive Analytics

Education

Certifications