Statistische Modellierung und Datenanalyse-Pipelines für hochdurchsatzfähige biologische Daten, mit praxisnaher Lehre in wissenschaftlichem Python.
Postdoktorand — Datengetriebene RNA-Biologie, Universität Leipzig / ScaDS.AI 01.2023 – 12.2025
- RNA-Seq-Datenanalyse und Modellierung von Wirkstofftransportdaten
- Aufbau von ML-Pipelines für RNA-Faltungs- und Invers-Faltungsdatensätze
Lehre: Fortgeschrittene Python-Programmierung für Data Science, Universität Leipzig 01.2023 – 12.2025
- Erstsemesterkurs im Master; Materialien veröffentlicht auf fmi08icds.github.io
Technischer Werkzeugkasten
- Deep Learning: JAX, TensorFlow, PyTorch
- Statistik & Modellierung: scikit-learn, statsmodels, patsy
- Numerische Optimierung: NumPy, SciPy
- Datenvorverarbeitung: Pandas, PyArrow
- Visualisierung: matplotlib, seaborn