Toegepast Wiskundige en Student aan de Universiteit Utrecht
Stuur een vacature direct naar deze kandidaat
Ik ben onlangs afgestudeerd aan de Universiteit Utrecht met een masterdiploma in toegepaste datawetenschap (ADS). Ik heb een grote interesse in datawetenschap en optimalisatieonderzoek. Daarnaast heb ik uitgebreide kennis opgedaan in statistiek, machine learning, operations research en financiële wiskunde tijdens mijn bachelor in Toegepaste Wiskunde.
De ADS-opleiding aan de Universiteit Utrecht biedt veel keuzevakken in verschillende domeinen, waardoor ik mijn kennis van datawetenschap op vele gebieden heb kunnen verbreden. Tot slot ben ik vloeiend in zowel Nederlands als Engels, waarbij Nederlands mijn sterkste taal is.
Studentenstage - Caeli - Transformatorweg 104, 1014 AK Amsterdam
(2024-09 - 2025-01)
Tijdens mijn stage heb ik geanalyseerd welke overheidsmaatregelen de grootste impact hadden op het verbeteren van de luchtkwaliteit in Nederland. Ik werkte met luchtvervuilingsdatasets van Caeli en gegevens over overheidsmaatregelen van het RIVM. Mijn hoofdtaak was het evalueren in hoeverre effectieve overheidsmaatregelen leiden tot schonere lucht, een gezondere leefomgeving en een hogere levensverwachting.
Met behulp van machine learning-modellen kon ik de meest effectieve overheidsmaatregelen bepalen op basis van de beschikbare datasets, met de nadruk op stikstofdioxide (NO2) en fijnstof (PM10).
Data scientist - Studentenstage - UMC Utrecht
Tijdens mijn stage heb ik onderzocht of het mogelijk was om een set prognostische factoren vast te stellen voor de voorspelling van sterfte bij schapen besmet met bluetongue, met behulp van shrinkage-regressie en bootstrapping. De beschikbare gegevens waren verkregen uit een eerder quasi-gerandomiseerde studie.
Verbonden aan Hogeschool van Amsterdam - QureQ
(2024-09 - 2025-01)
Tijdens het QureQ-project heb ik elektrofysiologische gegevens geanalyseerd van stamcel-afgeleide neurale netwerken om de effecten van het Kleefstra-syndroom te onderzoeken. Door signaalverwerking, ongesuperviseerd leren en anomaliedetectietechnieken toe te passen, onderzocht ik gegevens van twaalf verschillende monsters van gezonde en aangetaste cellen. Dit onderzoek biedt een basis voor verdere studies naar de ziekte van Huntington en draagt bij aan een dieper begrip van neurale disfunctie bij genetische aandoeningen.
Verbonden aan Hogeschool van Amsterdam - COP Smart Diagnostics NFI
(2024-02 - 2024-07)
Ik werkte aan een project voor COP Smart Diagnostics in samenwerking met het Nederlands Forensisch Instituut (NFI), gericht op "Onzichtbare bewijzen." De taak omvatte het ontwikkelen van een methode of model voor forensische studenten aan de Hogeschool van Amsterdam (HvA). In een gesimuleerd scenario dragen studenten zwarte shirts en fluoresceren stofffezels van hun shirts groen wanneer ze worden blootgesteld aan een specifiek licht. Mijn rol was het automatiseren van het proces van het detecteren en tellen van deze vezels, zodat studenten zich kunnen concentreren op analyse zonder elke vezel handmatig te tellen of patronen te identificeren, waardoor hun forensische onderzoeksworkflow werd gestroomlijnd.
Verbonden aan Hogeschool van Amsterdam - ProRail
(2024-02 - 2024-07)
Ik werkte aan een project voor ProRail, waarbij foto's waren genomen van spoorwegsporen, met specifieke aandacht voor de railverbindingen. Samen met drie andere studenten ontwikkelde ik een Convolutional Neural Network (CNN) om deze afbeeldingen te analyseren en te classificeren of de railverbindingen nog in goede staat waren of vervanging nodig hadden.
Master of Science - Toegepaste datawetenschap - Utrecht University (2025-09 - 2026-07)
Bachelor of Science - Toegepaste wiskunde - University of Applied Sciences Amsterdam (2020-09 - 2025-07)
