Felix Schneppe

forscht zu einem Thema.

Angestellt, Wissenschaftlicher Mitarbeiter, Universität Bremen
Braunschweig, Deutschland

Fähigkeiten und Kenntnisse

Data Science
Wissenschaft
Tableau
Python
TensorFlow
Bildverarbeitung
Angewandte Mathematik
Forschung
Gruppenleitung
Statistik
Künstliche Intelligenz

Werdegang

Berufserfahrung von Felix Schneppe

  • Bis heute 1 Jahr und 10 Monate, seit Okt. 2023

    Wissenschaftlicher Mitarbeiter

    Universität Bremen

    Gemeinsam mit dem Massenspektrometriehersteller Bruker Daltonics entwickele ich neue anwendungsreife Machine-Learning-Verfahren zur präzisen Peak-Quantifizierung in der Flüssigchromatographie-Massenspektrometrie (LC-MS)

  • 4 Jahre und 6 Monate, Apr. 2019 - Sep. 2023

    Wissenschaftlicher Mitarbeiter

    TU Braunschweig

    Als Wissenschaftlicher Mitarbeiter der AG Inverse Probleme untersuchte ich, wie Fehler in der Adjungierten primal-duale Algorithmen beeinflussen und welche Bedingungen sinnvolle Resultate garantieren. Zudem leitete ich den Übungsbetrieb vieler Lehrveranstaltungen, darunter Grundlagenvorlesungen in Mathematik, Physik und Elektrotechnik sowie Spezialvorlesungen wie Mathematische Bild- und Datenverarbeitung. Während Corona erstellte ich Lehrvideos für einen YouTube-Kanal.

  • 3 Jahre und 4 Monate, Okt. 2015 - Jan. 2019

    Studentischer Tutor

    Universität Osnabrück
  • 6 Monate, Feb. 2018 - Juli 2018

    Data Science

    CLAAS

    Als Praktikant beim Landmaschinenhersteller habe ich neben den Einblick in die Arbeit als Data Scientist auch eigene Projekte aus anderen Arbeitsgruppen des Unternehmens selbstständig und verantwortungsvoll bearbeiten dürfen. Zudem habe ich neben meiner Arbeit in Harsewinkel für einige Monate in Dissen an der Weiterentwicklung der vernetzten Maschinen aktiv mitgearbeitet. Belohnt wurde meine Arbeit mit einer Einladung in das Claas-eigene Talentprogramm.

Ausbildung von Felix Schneppe

  • 6 Jahre und 1 Monat, Apr. 2019 - Apr. 2025

    PhD Mathematik

    TU Braunschweig

    Doktorarbeit über den Effekt von „Abweichungen in der Adjungierten im Kontext von primal-dualen Algorithmen“. Gezeigt wird, unter welchen Bedingungen an die Modellierung des Problems bekannte primal-duale Algorithmen weiterhin funktionieren, inwieweit sich die Abweichungen in der Lösung bemerkbar machen und wie sie praktisch anwendbar bleiben. Hierfür wurden weitere Algorithmen entwickelt und bewiesen, die unter den gegebenen Einschränkungen alle benötigten Daten berechnen können.

  • 5 Jahre und 6 Monate, Okt. 2013 - März 2019

    Mathematik

    Universität Osnabrück

    mit Spezialisierung in (numerischer) Analysis und Stochastik, insbesondere der Finanz- und Versicherungsmathematik Nebenfach: Informatik, insbesondere Software Engineering

Sprachen

  • Deutsch

    Muttersprache

  • Englisch

    Fließend

XING – Das Jobs-Netzwerk

  • Über eine Million Jobs

    Entdecke mit XING genau den Job, der wirklich zu Dir passt.

  • Persönliche Job-Angebote

    Lass Dich finden von Arbeitgebern und über 20.000 Recruiter·innen.

  • 22 Mio. Mitglieder

    Knüpf neue Kontakte und erhalte Impulse für ein besseres Job-Leben.

  • Kostenlos profitieren

    Schon als Basis-Mitglied kannst Du Deine Job-Suche deutlich optimieren.

21 Mio. XING Mitglieder, von A bis Z