Mélisa Samen Wangueu

Tätigkeiten: • Analyse und Validierung bankfachlicher Daten (Risk & Reporting) • Entwicklung und Qualitätssicherung von BI-Reports (IBM Cognos) • Erstellung technischer Dokumentationen und Datenmodelle • Analyse bankaufsichtsrechtlicher Kennzahlen (u. a. Eigenmittel) • Identifikation und Behebung von Dateninkonsistenzen • SQL-basierte Datenanalyse und -Aufbereitung

Vollzeit-Weiterbildung ,,Weiterführende Python-Programmierung für Data Scientist" Bash & Kommandozeile: Grundlagen unter Windows/macOS, Arbeiten mit Verzeichnissen, Textdateien und Workflows, Steuerung von Programmen & Umgebungen. Python (erweitert): Objektorientierte Programmierung, Flow-Control, Funktionsdefinitionen, List Comprehensions, Clean Code nach PEP8. Tools: Python, Bash, Data Lab.

Weiterbildung Business Intelligence (Power BI), Data Science Business Intelligence Specialist – Analytics & Reporting with Power BI Inhalte: Power BI Desktop, DAX, Datenmodellierung, Visualisierung, Reporting Data Scientist Inhalte: Datenanalyse, maschinelles Lernen, Modellierung, Python, Statistik Weiterführende Python-Programmierung für Datenberufe Inhalte: Fortgeschrittene Python-Kenntnisse für Datenmanipulation, Automatisierung und datengetriebene Anwendungen

Data Analystin–Fokus auf explorative Analysen & generative KI (ChatGPT, Python, SQL) Stärken: Explorative Datenanalyse (EDA) mit Python & KI-gestützter Assistenz Strukturierte Herangehensweise an reale Datensätze (z. B. Airbnb, Titanic) Formulierung und Beantwortung geschäftsrelevanter Analysefragen Kombination von technischer Analyse und verständlichem Storytelling Datenvisualisierung und Kommunikation von Ergebnissen

Machine Learning & Data Science Expertise Erfahrung in Regression, Klassifikation (kNN, Entscheidungsbäume, Random Forests, SVM, neuronale Netze) sowie Clustering und PCA. Kompetenzen in Datenaufbereitung (EDA, Feature Engineering, Web Scraping, Regex) und Modellbewertung. Praxis in Big Data mit PySpark (DataFrames, ML-Pipelines, SQL) sowie in Modellinterpretation & Data Storytelling. Tools: Python (pandas, scikit-learn, matplotlib), SQL, PySpark.

Business Intelligence Specialist- Analytics & Reporting with Power BI Stärken: Datenanalyse & Visualisierung mit Power BI KPI-Berechnung & DAX-Logik Datenaufbereitung mit Power Query & M Statistische Auswertung & kritisches Denken Data Storytelling für überzeugende Berichte

Aufgabetätigkeiten: - Prüfung der Einhaltung regulatorischer Anforderung der Kreditinstitute - Pflege, Weiterentwicklung und Testen von Prüfungs- und Analyseskripten, IT-Anwendungen - Stresstest-Übungen, Durchführung von Einleger Entschädigungen - Entwicklung automatisierten Prozessen zur Beschleunigung der Datenzusammenführung - Durchführung Komplexer Datenanalysen, Unterstützung strategischer Entscheidungen - Ad-hoc-Bericht Erstellungen sowie Ad-hoc-Anfrage

- Testkonzept schreiben basierend auf IT-Fachspezifikation - Erstellung der fachlichen Testfälle und Durchführung von den Testfällen - Entwurf und Entwicklung einer parametrisierbaren Steuerung eines Testfall-Generierung-Tools auf Basis von datenorientierten Testverfahren - Rechenkerntest der Anwendung ESG-RisikoScore - Review von Requirements, Spezifikationen und Systemmodellen - Erstellung von fachlichen Testfällen und Durchführung in Jenkins - Ermittlung und Aufbereitung von Testdaten

Tätigkeiten: - Statistische Auswertung von Risikomerkmalen (PL/SQL) - Datenaufbereitung - Fehlermanagement - Qualitätsicherung von neu aufbereiten Entwicklungsdaten - Code review

Tätigkeiten: - Datenqualitätsprüfung mit SQL - Validierungsbericht schreiben - Validierungsanalysen - Code review von (PL/SQL) Skripten - Automatisierung und Optimierung von Prozessen mit eigenentwickelten Python-Tools - Datenanalyse , Datenvisualisierung mit Hilfe von Tableau Software und Datenaufbereitung - Explorative Datenvisualisierung mit Shiny in R - Anpassung der Datenstrukturen und Bereitstellungsprozesse des integrierten Datenhaushaltes zur - Statistische Auswertung von Risikomerkmalen (PL/SQL)

Vertiefung: Risikomanagement, Statistik, Finanzsektor Titel der Masterarbeit: Scoring-Modell: Stochastische Analysetechnicken Modellselektion Aufgabe: - Modellierung, Analyse und Visualisierung von empirische der deutschen Kreditdaten mit R - Numerische Kalibrierung und Simulation der daten - Implementierung mit Dokumentation des entstehen Algorithmen in R - Statistische Prognose und Vergleich der methodenperformance - Präsentation der Resultate und Entscheidung treffen

Vertiefung: Finanz- und Versicherungsmathematik, Statistik, Numerik Nebenfach: Optimierung, Algorithmen und Datenbank, Bilanzierung, Investition und Finanzierung Titel der Bachelorarbeit: Extremwertverteilung für das Varianzminimale Portfolio Aufgabe: -Modellierung, Analyse und Visualisierung von empirischen Finanzmarktdaten (Aktienkursen und Indizes) mit Matlab - Projektion von Portfolio mittels Simulation - Dokumentation und Präsentation der resultate, Erstellung der Bachelorarbeit mit LaTeX