Übersicht über die Fähigkeiten
Data Engineering & Pipelines
Charles baut produktionsreife Datenpipelines, die Daten aus mehreren Quellen aufnehmen, transformieren und validieren. Als Data Engineer I bei Clearway Energy Group arbeitet er täglich mit Dagster, dbt, Polars und Snowflake, um Workflows mit Daten zu erneuerbaren Energieanlagen zu automatisieren. Er verfügt über Erfahrung im Entwurf von ETL/ELT-Prozessen, die API-Integrationen, räumliche Datenverknüpfungen und inkrementelle Lademuster handhaben.
Tools & Technologien: Python, Dagster, dbt, dlt, Polars, Snowflake, DuckDB, Hex
Nachgewiesen in: Pipeline zur Leistung erneuerbarer Anlagen, Analyse von Wohnkosten und Pendelverkehr, Google Analytics Datenarchiv, Energieanalyse-Pipeline, Synthetic Signal Observatory
Statistische Analyse & Modellierung
Charles wendet strenge statistische Methoden an, um Forschungsfragen zu beantworten und Ergebnisse zu validieren. Seine Arbeit umfasst OLS-Regression mit robusten Standardfehlern, ANOVA, Interaktionsmodelle, Quantilregression und Kreuzvalidierung. Er ist sicher in der Auswahl zwischen Modellspezifikationen mittels AIC, der Diagnose von Multikollinearität mit VIF und der Interpretation von Ergebnissen für sowohl technische als auch nicht-technische Zielgruppen.
Tools & Technologien: Python (statsmodels, scipy), scikit-learn, R
Nachgewiesen in: Analyse von Wohnkosten und Pendelverkehr, Weinqualitätsanalyse, Vorhersage der Hauspreise in Ames, Schlafmangelanalyse
Maschinelles Lernen
Charles hat Erfahrung im Aufbau und der Bewertung von überwachten Lernmodellen für sowohl Regressions- als auch Klassifikationsaufgaben. Er hat mit linearen Modellen, k-Nearest Neighbors, Random Forests, XGBoost, neuronalen Netzen (TensorFlow/Keras) und Stacking-Ensembles gearbeitet. Er wendet Feature-Engineering, Kreuzvalidierung, Hyperparameter-Optimierung und Modellinterpretierbarkeitstechniken wie SHAP an, um das Modellverhalten zu verstehen und zu kommunizieren.
Tools & Technologien: scikit-learn, TensorFlow/Keras, XGBoost, SHAP
Nachgewiesen in: Vorhersage der Hauspreise in Ames, Spaceship Titanic Klassifikation, Weinqualitätsanalyse, Analyse von Wohnkosten und Pendelverkehr
Datenvisualisierung & Dashboards
Charles erstellt Visualisierungen und interaktive Dashboards, die Daten für Entscheidungsträger zugänglich machen. Er hat R Shiny-Dashboards mit dynamischer Filterung und interaktiven Tabellen, Tableau-Dashboards mit parametrisierten Ansichten und Python-basierte Visualisierungen mit Matplotlib und Streamlit gebaut. Er legt Wert auf Klarheit, geeignete Diagrammauswahl und eine leicht verständliche Darstellung der Geschichte in den Daten.
Tools & Technologien: Tableau, R Shiny, Matplotlib, Streamlit, ggplot2, Plotly
Nachgewiesen in: Dashboard zu globalen CO₂-Emissionen, Dashboard zu Besucherzahlen in Nationalparks, Dashboard zum Weltglück, Synthetic Signal Observatory, Analyse von Wohnkosten und Pendelverkehr
SQL & Datenbankanalytik
Charles schreibt SQL für Datenextraktion, -transformation und analytische Abfragen. Er ist sicher im Umgang mit Aggregationen, Fensterfunktionen (RANK, ROW_NUMBER), CTEs, Unterabfragen, Joins und Mengenoperationen. Er arbeitet sowohl mit traditionellen relationalen Datenbanken als auch mit modernen Analyse-Engines wie DuckDB und Snowflake.
Tools & Technologien: SQL (MySQL, Snowflake, DuckDB)
Nachgewiesen in: Analyse von Restaurantumsätzen, Baby-Namen-Analyse, Analyse von Kfz-Diebstählen, Pipeline zur Leistung erneuerbarer Anlagen, Energieanalyse-Pipeline
Tabellenkalkulation & Geschäftsanalyse
Charles verwendet Excel als Analysetool – nicht nur zur Dateneingabe, sondern zum Erstellen strukturierter Analysen mit Pivot-Tabellen, VLOOKUP/SUMIFS, bedingter Formatierung, Pareto-Diagrammen und Heatmaps. Seine Arbeit mit Tabellenkalkulationen konzentriert sich darauf, rohe Betriebsdaten in umsetzbare Geschäftseinblicke zu übersetzen.
Tools & Technologien: Excel (Pivot-Tabellen, Power Query, VLOOKUP, SUMIFS, Bedingte Formatierung, Kombinationsdiagramme)
Nachgewiesen in: Analyse von Fertigungsausfallzeiten, Analyse von Zusammenstößen in NYC
Datenaufbereitung & ETL
Charles bereinigt, transformiert und integriert regelmäßig unstrukturierte Datensätze aus mehreren Quellen. Er arbeitet mit tabellarischen Daten, räumlichen Daten (Shapefiles, GeoJSON) und API-Antworten. Er hat Erfahrung sowohl mit Pandas als auch mit Polars für DataFrame-Operationen und mit GeoPandas für räumliche Verknüpfungen und geografische Analysen.
Tools & Technologien: Python (Pandas, Polars, GeoPandas), API-Integration, Census ACS, OpenStreetMap Overpass
Nachgewiesen in: Analyse von Wohnkosten und Pendelverkehr, Analyse des Stromverbrauchs, Analyse von AirBnB-Angeboten, Google Analytics Datenarchiv
Webentwicklung
Charles hat seine Portfolio-Website von Grund auf mit nativem HTML5, CSS3 und JavaScript-ES-Modulen erstellt – ohne Frameworks oder Bundler. Die Website verfügt über responsives Design, barrierefreies Markup (WCAG 2.1 AA), filterbare Projektgalerien mit URL-gesteuerter Filterung und eine Testimonial-Karussell. Er pflegt die Codebasis mit professionellen Praktiken wie Linting, automatisierten Tests und CI/CD-Bereitstellung.
Tools & Technologien: HTML5, CSS3, JavaScript (ES-Module)
Nachgewiesen in: Portfolio-Website
DevOps & Tooling
Charles verwendet moderne Entwicklungswerkzeuge, um Codequalität zu gewährleisten und Workflows zu automatisieren. Er richtet CI/CD-Pipelines mit GitHub Actions ein, schreibt Tests mit pytest und Jest, verwaltet Python-Umgebungen mit uv und setzt Codestandards mit Linter (ESLint, Stylelint, Ruff) und Formatierern (Prettier) durch. Er befolgt Conventional Commits und semantische Versionierungspraktiken.
Tools & Technologien: Git, GitHub Actions, CI/CD, uv, pytest, Jest, Playwright, ESLint, Stylelint, Ruff, Prettier
Nachgewiesen in: Portfolio-Website, Pipeline zur Leistung erneuerbarer Anlagen, Analyse von Wohnkosten und Pendelverkehr