Weltklasse Datenengineering-Kenntnisse zum Aufbau skalierbarer Datenpipelines, ETL/ELT-Systeme und Dateninfrastruktur. Expertise in Python, SQL, Spark, Airflow, dbt, Kafka und moderner Datenstack. Beinhaltet Datenmodellierung, Pipeline-Orchestrierung, Datenqualität und DataOps. Verwenden Sie es bei der Konzeption von Datenarchitekturen, dem Aufbau von Datenpipelines, der Optimierung von Datenworkflows oder der Implementierung von Datengovernance.
DAZU WIRST DU
Perfekt für diese Szenarien
Durchführung interner und externer DSGVO-Compliance-Audits zur Regulatorik und Risikominderung.
Datenschutz-Folgenabschätzungen für neue Datenverarbeitungstätigkeiten erstellen und überprüfen.
Identifizieren Sie GDPR/DSGVO-Compliance-Lücken und erstellen Sie umsetzbare Pläne zur Behebung.
Unterstützung von Datenschutzbeauftragten bei täglichen Compliance-Aufgaben und der Dokumentation.
MESSBARER GEWINN
Bewährte Vorteile und messbare Wirkung
Zeit für die Vorbereitung von DSGVO-Audits durch die Automatisierung von Compliance-Prüfungen und Dokumentation verkürzen.
Minimieren Sie Compliance-Risiken mit von Experten geprüften Datenschutzrichtlinien.
Verdreifachen Sie die Produktivität des DSB durch automatisierte Compliance-Workflows und Vorlagen.
DEIN EQUIPMENT
Dateien, Tags und die Installation in drei Schritten
Tipp: Lies Dokumentation und Code vor der ersten Nutzung, damit du Funktion und benötigte Berechtigungen kennst.
NÄCHSTE SKRIPTE
Empfohlen basierend auf Tags und Kategorie
Claude Code-Agent-Erzeugungssystem, das benutzerdefinierte Agenten und Sub-Agenten mit erweiterter YAML-Frontmatter, Tools-Zugriffsmustern und MCP-Integrationsunterstützung gemäß bewährten Produktionsmustern erstellt
Experte für die Aptos-Blockchain, Move-Sprache, Smart Contracts, NFTs, DeFi und Aptos-Entwicklung. Ausgelöst durch die Keywords aptos, move, blockchain, smart contract, nft, defi, web3, mainnet, testnet, devnet
Cloud-Laborplatform für automatisierte Proteintests und -validierung. Verwenden Sie sie bei der Proteinentwicklung und bei der Bedürfnislage nach experimenteller Validierung, einschließlich Bindungsassays, Expressionstests, Thermostabilitätsmessungen, Enzymaktivitätsassays oder Proteinssequenzoptimierung. Verwenden Sie sie auch zum Einreichen von Experimenten über API, zum Verfolgen des Experimentstatus, zum Herunterladen von Ergebnissen, zur Optimierung von Proteinsequenzen für eine bessere Expression mit Hilfe von Rechenwerkzeugen (NetSolP, SoluProt, SolubleMPNN, ESM) oder zur Verwaltung von Proteinentwicklungsworkflows mit Nasslaborvalidierung.
Diese Fähigkeit sollte für Zeitreihenmaschinelles Lernen einschließlich Klassifikation, Regression, Clustering, Prognose, Anomalieerkennung, Segmentierung und Ähnlichkeitssuche verwendet werden. Verwenden Sie sie bei der Arbeit mit zeitlichen Daten, sequentiellen Mustern oder zeitindexierten Beobachtungen, die spezialisierte Algorithmen über standardisierte ML-Ansätze hinaus erfordern. Besonders geeignet für die Analyse univariate und multivariate Zeitreihen mit scikit-learn-kompatiblen APIs.