Projekte
Real-Time Content Personalization via Contextual Bandits & Matryoshka Embeddings
Stack: Julia, Oxygen.jl, Nuxt 4, TypeScript, Supabase, TailwindCSS
Ein Live-Empfehlungssystem auf Basis von LinUCB-Banditen mit Cholesky-Updates und adaptiven Matryoshka-Embeddings – designed für Inhalte mit einem Time-to-Live < 48h.
Sub-Microsecond Market Data Pipeline
Stack: Java 25 (Project Panama FFM), ZGC, Docker, Prometheus, Grafana, Parquet
Eine Zero-Copy High-Frequency-Infrastruktur mit cache-alignten Shared-Memory-Strukturen, die Marktdaten in Echtzeit zu einem 8-Kanal Feature-Tensor anreichert – designed für Sub-Mikrosekunden-Latenz auf ARM64.
Quantum Machine Learning in der Realität – VQC vs. SVM auf NISQ-Hardware
Stack: Python, PennyLane, scikit-learn, NumPy
Empirischer Vergleich eines Variational Quantum Classifiers (VQC) gegen eine klassische SVM – von der rauschfreien Simulation bis zur Inferenz auf echtem supraleitendem Quantenprozessor.
SMARD Power Analytics
Stack: R (Shiny), bslib, zoo, Exponential Smoothing (ETS), REST-API
Ein interaktives Dashboard zur Echtzeit-Analyse und Prognose der deutschen Netzlast. Implementiert statistische Modelle (Holt-Winters) zur Vorhersage des Energiebedarfs basierend auf SMARD-Echtzeitdaten.
Lebenslauf
Arbeit
Okt 2024 – Heute
Dualer Student Data Science & Ki
Schwäbischer Verlag GmbH & Co. KG Drexler, Gessler
- Erstellung von Business Intelligence Berichten mit Microsoft PowerBi
- Planung und Konzeption eines prototypischen Empfehlungssystem für Online Nachrichtenartikel
- Unterstützung bei der Entwicklung zahlreicher Datenpipelines
Bildung
Okt 2024 – Sept 2027
B.Sc. in Data Science & Ki
DHBW Ravensburg
Sept 21 - Jul 2024
Allgemeine Hochschulreife
Edith-Stein-Schule Ravensburg Biotechnologische Richtung