> initializing_profile.py... Done.

Jonathan Wrede

Data Engineer & Python Expert

Ich helfe deutschen KMUs, ihr Excel-Chaos in automatisierte Pipelines und interaktive Dashboards zu verwandeln.

I help SMEs turn their Excel chaos into automated pipelines and interactive dashboards.

KontaktContact LebenslaufCV / Resume LinkedIn

RAW

dbt

CODE

VALUE

Das Problem & Die Lösung The Problem & The Solution

End-to-End Automatisierung End-to-End Automation

Ich verbinde verstreute Datenquellen zu einer sauberen Wahrheit. I connect scattered data sources into a single source of truth.

Vorher: "Daten-Chaos" Before: "Data Chaos"

Verschiedene Excel-Listen und CSV-Exporte liegen verstreut. Zusammenfügen kostet Stunden. Scattered Excel sheets and CSV exports. Manual merging costs hours every week.

Nachher: Automatisiert After: Automated

# Daily Pipeline:
def start_automation():
  data = connect_sources(api, csv)
  clean = fix_errors(data)
  upload_to_dashboard(clean)

Modern Data Stack

Ingest

Python / APIs / CSV

Warehousing

Snowflake / SQL

Logic

dbt Core / Pandas

Serving

Streamlit / Dashboards

Ausgewählte Projekt-Erfolge Selected Projects

NGO TECH

Owl Detection Pipeline

50GB -> MinutenMinutes

Bioakustische Analyse für A Rocha Kenya. Automatisierte Frequenzfilterung und Mustererkennung von 50GB+ rohen Audiodaten zur Identifikation von Eulenrufen. Bioacoustic analysis for A Rocha Kenya. Automated frequency filtering and pattern recognition processing 50GB+ of raw audio to identify owl calls.

Python Librosa Streamlit Details ansehenView Details

ErfahrungExperience

Jan 2025 – HeutePresent

Machine Learning Engineer | Vilisto

Bau von skalierbaren ML-Pipelines (Dagster) und IoT-Datenverarbeitung. Building scalable ML pipelines (Dagster) and IoT data processing.

Jan 2023 – Dec 2024

Big Data Consultant | Saracus

Cloud Data Warehouses (Snowflake/Azure) und Streamlit-Apps für Enterprise-Kunden. Cloud Data Warehouses (Snowflake/Azure) and Streamlit Apps for enterprise clients.

Sep 2021 – Oct 2022

Data Scientist | Vilisto

Entwicklung von ML-Modellen zur Energieoptimierung (Python, Scikit-learn). Developed ML models for energy optimization (Python, Scikit-learn).

AusbildungEducation

M.Sc. Computer Science (AI)

Universität Münster | Fokus auf Statistik & ML. University of Münster | Focus on Statistics & ML.

A ROCHA KENYA Owl Detection Pipeline

GitHub Repo Live Demo

Dieses Projekt analysiert Audiodateien, um Eulenrufe automatisch zu erkennen. Es filtert Audiofrequenzen (500-1500 Hz), identifiziert dominante Peaks und nutzt Mustererkennung, um manuelle Arbeit von Monaten auf Minuten zu reduzieren. This project analyzes audio files to automatically detect owl calls. It filters frequencies (500-1500 Hz), identifies dominant peaks, and uses pattern recognition to reduce months of manual work to minutes.

Input Data 50GB+ Raw Audio (.wav)

Technology Python, Librosa, Streamlit

Output JSON Results

Detection Criteria

Frequency Match: Dominanter Peak muss innerhalb von ±50 Hz der Trainingsdaten liegen. Dominant peak must be within ±50 Hz of training data.
Interval Consistency (CV <= 0.3): Das Herzstück. Eulen rufen rhythmisch. Ein Variationskoeffizient (CV) unter 0.3 signalisiert einen Treffer. The core logic. Owls call rhythmically. A coefficient of variation (CV) below 0.3 indicates a match.