Daniel Sedlack-Senior Softwareentwickler

• Konzeption und Implementierung einer Python-basierten ETL-Pipeline mit dem Dagster-Framework für die Transformation von Energierohdaten aus heterogenen Quellen mit InfluxDB und Visualisierungen in Grafana
• Definition von zeitlich gesteuerten und abhängigkeitsbasierten Jobs
• Deployment auf Managed Kubernetes-Cluster mit Helm
• Anbindung von InfluxDB Cloud
• Aufbereitung von Daten für Nutzung in Grafana inkl. Säuberung und Normalisierung plus zeitliches Resampling in Python
• Entwicklung von Dashboards und Visualisierungen in Grafana
• Entwicklung von Unit-Tests inkl. Mocking mit pytest
• Aufbau von CI/CD-Pipeline in GitLab

Technologien: Python, Dagster, InfluxDB, Grafana, pandas, pytest, REST, CI/CD, GitLab, Container, Kubernetes, Helm, Docker, Cloud

• Implementierung und Weiterentwicklung einer Python-basierten ETL-Pipeline für Transformation von binären Eingabedaten unter Benutzung des Dagster-Frameworks
• Konzeption und Implementierung event-driven ETL-Pipeline in Dagster
• Daten-Download aus S3-basiertem Object Storage mit MinIO
• Spezifikation eines YAML-basierten Formats für Definition von Transformations-Operationen
• Implementierung von Engine in Python für Zusammenführung und Transformationen von Daten aus multiplen Quellen in ein JSON-Format
• Implementierung von Schema-Validierung und Auslastung an REST-Schnittstelle
• Implementierung von Unit- und Integration-Tests inkl. Mocking von Schnittstellen mit pytest
• Umsetzung von Tracing mittels OpenTelemetry
• Integration in vorhandene GitHub Actions CI/CD-Pipeline
• IaC-basiertes Deployment mittels Pulumi auf Google Cloud Run

Technologien: Python, Dagster, pandas, pytest, REST, GraphQL, OpenAPI, CI/CD, GitHub Actions, Container, Docker Compose, OpenTelemetry, Jaeger, S3, MinIO, IaC, Pulumi, Cloud, GCP

• Leitung eines Teams für Research & Development sowie Betrieb quantitativer Strategien für den Eigenhandel von Finanzinstrumenten in internationalen Märkten
• Strategieentwicklung im Python-Ökosystem mit Data-Science-Frameworks (Pandas, NumPy, Matplotlib, Seaborn) und Machine-Learning-Bibliotheken (scikit-learn, XGBoost) in Jupyter
• Konzeption und Implementierung von Infrastruktur für Datenhaltung, Research-Pipeline, Signal-Generierung und Handelsausführung
• Design und Implementierung von Backend-Services in Java mit Quarkus
• Implementierung von Python-Bibliotheken für den internen Gebrauch
• Aufbau und Verwaltung von CI/CD-Pipelines in GitLab
• Deployment von TimescaleDB als Zeitreihendatenbank sowie Apache Iceberg mit S3 Object Storage und Trino Query-Engine
• Deployment und Integration von Apache Kafka
• Aufbau von ETL-Pipelines mit Apache Airflow
• Aufbau und Administration einer heterogenen Serverlandschaft mit Cloud-Resourcen (AWS, Hetzner) und Baremetal-Linux-Servern
• Einrichtung von Monitoring mittels CheckMk
• Betrieb containerisierter Dienste mit Docker
• Deployment und Administration von Keycloak für zentrales SSO

Technologien: Java, Python, Linux, Docker, nginx, Quarkus, AWS, TimescaleDB, S3, Iceberg, Trino, CI/CD, GitLab, Pandas, NumPy, Matplotlib, scikit-learn, XGBoost, Kafka, Airflow, Tailscale, CheckMk, Keycloak

• Eigenständige Projektarbeit in Software- und Systementwicklung
• Architektur, Implementierung und Betrieb von Lösungen im Daten- und Backend-Bereich
• Aufbau von CI/CD-Pipelines und Administration von Container-Umgebungen
• Beratung und Betreuung von Kunden in technischen Fragestellungen

• Unterstützung Betrieb
• Entwicklung interner Tools