Mohamed Keramati

- Entwicklung automatisierter Reportinglösungen in Python und Power BI zur Analyse von Mitarbeitertrainingsdaten - Erstellung interaktiver Dashboards für mehrere Fachbereiche (u. a. MES, Drug Substance, Packaging) zur datenbasierten Entscheidungsunterstützung - Optimierung bestehender Power BI Reports durch verbesserte Datenmodellierung und Performance-Steigerung für den abteilungsübergreifenden Einsatz - Reduktion manueller Analyseprozesse und Verbesserung der Datenverfügbarkeit für Stakeholder

- Mitarbeit in der Projektgruppe Marketing: Konzeption und Umsetzung von Maßnahmen zur Steigerung der Wirksamkeit von Werbekampagnen - Unterstützung der externen Kommunikation und Akquise - Mitwirkung bei der Organisation eines Kongresses zum Austausch zwischen Studierenden und Unternehmen (Social-Media-Kampagne und Redaktionsplan)

- Analyse und Vergleich moderner Zeitreihenmodelle (DHR-ARIMAX, Prophet) auf realen Datensätzen mit multipler Saisonalität - Signifikante Verbesserung der Prognosegüte bei Mehrschrittprognosen durch Integration autoregressiver Lags - Entwicklung einer robusten Evaluationsstrategie mit skalenfreien Metriken (MASE, RMSSE) sowie saisonalem Naive-Benchmark - Statistische Validierung mittels Residuenanalysen, Ljung-Box sowie Friedman- und Nemenyi-Tests

- Entwicklung und Vergleich von ML-Modellen zur Prognose von Hypothekenausfällen auf Basis realer Finanzdaten (~100 Mio. Beobachtungen) - Umsetzung skalierbarer Datenverarbeitung (Aggregation, Feature Engineering, SMOTE, Umgang mit Multikollinearität) - Durchführung systematischer Hyperparameter-Optimierung (GridSearchCV) und statistischer Modellvalidierung (DeLong-Test) - Vergleich von Random Forest und regularisierter logistischer Regression hinsichtlich Prognoseleistung und Modellverhalten

- Major: Data Science and Applied Econometrics - Minor: Information and Operations Management - Notendurchschnitt: 1,9