Theodor Mrozik
Bewerbung B. Sc. KI & Data Science bei Aumovio
  • Über mich
  • Motivation
  • Skills
  • Bildung
  • Projekte
  • Kontakt

Bewerbung: B. Sc. Künstliche Intelligenz & Data Science

Duales Studium bei Aumovio ab September 2026 – Bereit für die Zukunft der intelligenten Mobilität!

  • 📍 Bereit für Regensburg
  • 🎓 Studienstart September 2026
  • 🎯 OTH Regensburg × Aumovio
  • 👥 Kontakt: Keanu (dualer Student bei Aumovio)

Über mich

Profilbild von Theodor Mrozik

Mein Name ist Theodor Mrozik und ich studiere aktuell Informatik im ersten Semester an der Universität Hannover. Ich bewerbe mich für das duale Studium B. Sc. Künstliche Intelligenz und Data Science bei Aumovio, um Theorie und Praxis optimal zu verbinden. Neben meiner Begeisterung für KI und Data Science lese ich gerne und mache regelmäßig Sport. Ich bin analytisch, kreativ und arbeite gerne im Team.

Lebenslauf als PDF

Warum Aumovio?

Ich bewerbe mich bei Aumovio, weil ich mein Studium als duales Studium mit Schwerpunkt KI und Data Science fortsetzen möchte. Mein Interesse wurde auf der Ideen Expo in Hannover geweckt – zugegebenermaßen anfangs durch den Candy-Stand von Continental. Das Gespräch dort hat mir einen ersten Einblick in die spannende Welt der Automotive-Software gegeben.

Mein Freund Keanu, der vor kurzem bei Ihnen das duale Studium begonnen hat, hat mir von der offenen Arbeitskultur und den innovativen Projekten erzählt. Das hat meinen Wunsch bestärkt, Teil Ihres Teams zu werden.

Skills & Technologien

Angewendet

  • Python (Pandas, NumPy, PyTorch)
  • Machine Learning & KI-Grundlagen
  • Datenanalyse & Visualisierung
  • Webentwicklung (HTML, CSS, JavaScript)
  • Git & GitHub
  • VS Code
  • Präsentation & Kommunikation

Bildung

Studierender im 1. Semester Informatik – Universität Hannover (2025 – aktuell)

Angestrebtes duales Studium: B. Sc. Künstliche Intelligenz und Data Science – OTH Regensburg × Aumovio (ab September 2026)

Fokus auf KI-Algorithmen, Machine Learning, Datenanalyse und praktische Anwendung in der Automotive-Branche.

Projekte

Jugend forscht – Mit Telegram zum Millionär

Automatisiertes Analyse- und Testsystem für Handelssignale aus Telegram-Tradinggruppen. Kritische Bewertung von Social-Media-Signalen. Dabei habe ich gelernt, wie man große Datenmengen automatisiert verarbeitet und kritisch bewertet.

  • Einladung der Universität Hannover zu einem Vortrag
  • Backtesting-Workflow prototypisch umgesetzt
  • Vergleich von Signal-Qualität über mehrere Kanäle
  • Python
  • Telethon
  • Pandas
  • Statistik
PDF

Xeiro Trading Bot

Kollaboratives Projekt mit Keanu (dualer Student bei Aumovio). Entwicklung eines Trading Bots, der auf Basis von exponentiellen gleitenden Durchschnitten (EMAs) automatisierte Handelsentscheidungen trifft. Dabei habe ich Teamarbeit, API-Integration und automatisierte Handelsstrategien vertieft.

  • Automatisierter Handel mit EMAs
  • Discord-Integration für Status-Updates
  • Python
  • Pandas
  • Discord.py
  • Binance API

KI-Experiment – Chrome Dino Game Agent

Prototypischer Agent für das Chrome Dino Game, umgesetzt mit PyTorch (Reinforcement Learning). Fokus auf Lernmechanismen und Modell-Training. Dabei habe ich die Grundlagen von Reinforcement Learning und Modelltraining praktisch angewendet.

  • Automatisierte Steuerung und Zustandsverarbeitung
  • Experimente mit Lern- und Timing-Strategien
  • Python
  • PyTorch
  • Machine Learning

KI-basierte Jobanzeige-Analyse

Python-Tool das mit OpenAI's GPT-3.5 analysiert, wie gut ein Lebenslauf zu einer Stellenausschreibung passt. Gibt numerische Bewertung (1-10) aus und nutzt sichere API-Schlüssel-Verwaltung. Dabei habe ich gelernt, wie man KI-APIs produktiv einsetzt, Umgebungsvariablen sicher verwaltet und benutzerfreundliche Analyse-Tools entwickelt.

  • Automatische Bewertung von CV-Job-Match (1-10 Skala)
  • Sichere API-Integration mit Umgebungsvariablen
  • Python
  • OpenAI GPT-3.5
  • python-dotenv
  • API Security
GitHub

Kontakt

E-Mail: theodor.mrozik@gmail.com

GitHub: Profil ansehen

Case Study: Analyse von Trading-Signalen

Die Herausforderung: Trading-Gruppen auf Telegram versprechen hohe Gewinne, doch die Qualität der Signale ist oft unklar. Ziel war es, ein System zu entwickeln, das die Performance dieser Signale objektiv misst und bewertet.

Meine Lösung: Ich habe ein Python-basiertes System entwickelt, das über die Telegram-API (Telethon) Nachrichten aus verschiedenen Kanälen in Echtzeit ausliest. Ein Parser extrahiert Handelsinformationen (z.B. "Kaufe X bei Y"), die dann in einer Datenbank gespeichert werden. Ein Backtesting-Modul simuliert die Trades auf Basis historischer Kursdaten und berechnet Kennzahlen wie Profit-Faktor und Trefferquote.

Das Ergebnis: Das System konnte die Profitabilität verschiedener Signalanbieter quantifizieren und zeigte, dass die meisten die beworbenen Renditen nicht nachhaltig erzielen. Dieses Ergebnis und die technische Umsetzung führten zu einer Einladung der Universität Hannover, das Projekt im Rahmen einer Lehrerfortbildung vorzustellen.

Theodor Mrozik

© 2025 Theodor Mrozik. Alle Rechte vorbehalten.