Nürnberg, Deutschland · Offen für neue Stellen

Eziz
Muhammedkulyyev
Web-Developer & Data Scientist

Datenanalyst & Full-Stack-Entwickler bei Bosch. Entwicklung von Datenvisualisierungstools und produktiven Webanwendungen. Aktuell Master-Studium Applied Data Science.

PythonNext.jsscikit-learnSQLDockerDatabricks
Eziz Muhammedkulyyev
3,5+Jahre bei Bosch
C1Englisch & Deutsch
Erfahrung

Beruf & Ausbildung

Lebenslauf herunterladen

Datenanalyst & Full-Stack-Entwickler bei Bosch mit 3,5+ Jahren Erfahrung in der Entwicklung produktiver Webanwendungen, Datenvisualisierungstools und Process-Mining-Lösungen in Intralogistik, HR und Produktion. Aktuell M.Sc. Applied Data Science an der NORDAKADEMIE.

Berufserfahrung

Sep 2022 – Present

Nuremberg, Germany

Next.jsReactC#BlazorSQL ServerPythonSparkDatabricksCelonisNGINXPM2LinuxCI/CD

Datenanalyst & Softwareentwickler (inkl. Ausbildung)

Bosch

  • PFEP-Tool (Plan for Every Part) — vollständige Intralogistik-Webanwendung mit SAP- und Beschaffungssystem-Anbindung; ersetzte manuelle Abläufe und reduzierte den Aufwand um 30 % für über 20 interne Nutzer.
  • VWB-Tool (Verlängerte Werkbank) — datengestützte Produktions-App mit Scanfunktion; reduzierte Excel-Aufwand um 20 % und wurde zum unverzichtbaren Werkzeug für 25+ Mitarbeiter in Früh-, Spät- und Nachtschicht.
  • SPP (Strategische Personalplanung) — HR-Tool für dynamische Personalplanung: Prognosen zu Renteneintritten, Vertragsbeendigungen und Auszubildenden-Einstellungen; Lückenanalyse-Dashboard für alle Führungskräfte und HR-Partner mit ~90 % Effizienzgewinn.
  • MyStuff — Mitwirkung an internem Marktplatz für Gebrauchtwaren, weltweit bei Bosch eingeführt (~400.000 Mitarbeiter).
  • Qualify — Mitwirkung an Qualifikationsmanagement-WebApp für ~1.200 Mitarbeiter zur digitalen Pflege von Kompetenzen.
  • Entwicklung eines interaktiven Datenvisualisierungs-Dashboards zur Korrelationsanalyse in der Produktionslinie (Python, Spark, Databricks).
  • Wartung eines RAG- und agentischen KI-Tools zur Instandhaltungsberatung auf Basis von 25+ Jahren Reparaturdaten.
  • Mitwirkung an Celonis-Process-Mining-Initiativen; Zusammenarbeit mit internationalen Teams zur Standardisierung von Datenmodellen und Reporting.

Oct 2021 – Aug 2022

Nuremberg, Germany

Freiwilliges Soziales Jahr (FSJ) – Altenpflege

Wohnstift am Tiergarten

  • Koordination von Tagesaktivitäten und Beschäftigungsprogrammen für Bewohner.
  • Individuelle Betreuung und Unterstützung der Bewohner im Alltag.

Bildung

Apr 2025 – Apr 2027

Hamburg, Germany

M.Sc. – Applied Data Science

NORDAKADEMIE – Hochschule der Wirtschaft

  • Relevante Lehrveranstaltungen: Statistische Analyse, Statistisches Lernen, Maschinelles Lernen, Künstliche Intelligenz, Data Mining, Textanalytik, Process Mining, Reporting & Datenvisualisierung, Datenmanagement, Projektorganisation in der Datenwissenschaft.

Sep 2022 – Feb 2025

Nuremberg, Germany

Fachinformatiker – Daten- und Prozessanalyse

Bosch

  • Abschluss der 3-jährigen dualen Ausbildung in 2,5 Jahren (verkürzter Abschluss), mit betrieblicher Praxis und Berufsschule in den Bereichen Datenanalyse, Prozessanalyse und IT.

Sep 2017 – Jun 2021

Maykop, Russia

B.A. – Linguistik

Adyghe State University

  • Schwerpunkt: Didaktik des Fremdsprachenunterrichts (Deutsch und Englisch).
  • Abschlussarbeit: „Grammatische, lexikalische und semantische Merkmale der Terminologie im Bereich Computerprogrammierung: eine vergleichende Studie Russisch–Englisch–Deutsch."
Kenntnisse

Skills & Tools

Programmiersprachen

PythonSQLTypeScriptJavaScriptBashC#

ML & Datenwissenschaft

scikit-learnpandasNumPyStatistical LearningFeature EngineeringText Analytics

Daten & Analytik

DatabricksSparkCelonisData VisualizationDashboards & ReportingPower BITableau

Web & Full-Stack

Next.jsReactNode.jsREST APIsBlazorAppwriteRAG & Agentic AI

Datenbanken

PostgreSQLMicrosoft SQL Server

DevOps & Infrastruktur

LinuxDockerNGINXPM2CI/CDCloudflareNetworking

Sprachkenntnisse

Turkmenisch· Muttersprache
Russisch· Zweisprachig
Deutsch· C1 – TestDaF
Englisch· C1 – TOEFL
Spanisch· A1
Meine Haltung

Über KI in der Entwicklung

01

Grundlagen zuerst

Ich habe programmieren gelernt, bevor KI im Entwickleralltag normal wurde — von 2019 bis 2025 auf die harte Tour: Dokumentation lesen, Quellcode verstehen, debuggen, Dinge Schritt für Schritt aufbauen. Das zahlt sich jetzt aus. KI kann Code schnell schreiben, aber jemand muss noch beurteilen, ob das Ergebnis sauber, sicher, wartbar und tatsächlich sinnvoll ist.

02

Ich nutze es täglich

Apps bauen, Code refaktorn, Skripte schreiben, Ansätze vergleichen, neue Pakete verstehen — KI ist dabei ein ernstzunehmender Beschleuniger. Aber gute Ergebnisse entstehen nur, wenn man weiß, wie man das Ziel klar formuliert, das Tool richtig führt und das Ergebnis kritisch bewertet.

03

Gute Entwickler werden wertvoller

Die Idee, dass Entwickler durch KI an Wert verlieren, ist falsch. Als Programmieren früher einfacher wurde, hat das die Softwareentwicklung nicht getötet — es gab mehr Software, größere Systeme, mehr Funktionalität. Dasselbe passiert jetzt. Ein starker Entwickler kann heute Dinge bauen, für die früher ein viel größeres Team nötig gewesen wäre.

„KI ersetzt keine Entwickler, die verstehen, was sie bauen. Sie hebt die Decke dessen, was ein einzelner Entwickler liefern kann."

Portfolio

Projekte

Ausgewählte Projekte von Infrastruktur bis maschinellem Lernen. ML-Projektdetails folgen bald.

Self-Hosted-Heimserver & Smart-Home

Aktiv

Entwurf und Administration eines selbst gehosteten Linux-Heimservers mit Home Assistant (Smart-Home-Automatisierung) und Pi-hole (DNS-basierte Werbeblockierung). Sicherer Fernzugriff über Cloudflare Tunnel ohne offene Eingangsports. Docker-Container-Dienste mit Backups und Uptime-Monitoring.

LinuxDockerHome AssistantPi-holeCloudflareNetworking

Kundenabwanderungs-Vorhersage

In Arbeit

Klassisches ML-Projekt mit vollständigem Workflow: Datenbergeinigung, Feature Engineering, Modelltraining, Evaluierung und Visualisierung. [Beschreibung folgt]

Pythonscikit-learnpandasNumPy
Auf GitHub ansehen →

Psychische Gesundheit – Vorhersagemodell

In Arbeit

Vorhersagemodell für Ergebnisse psychischer Gesundheit mit klassischen ML-Methoden. Vollständige Pipeline von der Datenvorverarbeitung bis zur Evaluierung und Interpretation. [Beschreibung folgt]

Pythonscikit-learnpandasNumPy
Auf GitHub ansehen →
Kontakt aufnehmen

Kontakt

Offen für neue Möglichkeiten in Data Science, ML-Engineering oder Full-Stack-Entwicklung. Meld dich gerne.

© 2026 Eziz Muhammedkulyyev

Nürnberg, Deutschland