Om mig

Jeg er data scientist og udvikler med en kandidatgrad i Data Science fra SDU. Jeg bygger datapipelines, forecasting-modeller og automatiseringsløsninger. Før jeg gik ind i tech, underviste jeg i fem år i naturfag på en STEM-orienteret efterskole. Den baggrund giver mig en stærk evne til at formidle komplekse emner og samarbejde på tværs af fagligheder.

Erfaring

Data Pipeline Konsulent, eulaw.ai (2025-2026)

Solo data engineer med ansvar for opbygning af en stor datapipeline til EU- og danske juridiske dokumenter. Udviklede 15+ adaptere til forskellige institutionelle kilder (REST API'er, SPARQL-endpoints, Atom feeds, sitemap-crawls, PDF-ekstraktion). Flerlagsarkitektur der processerede over en million dokumenter. Bidrog også til CI/CD, deployment-pipelines og cloud-infrastruktur. Python, AWS, serverless.

Udvikler, Flexbuy Technologies (2023-2025)

Full-stack udvikler i en lille virksomhed. Arbejdede med backend-logik, databaser, automatisering og data-workflows. PHP, MySQL, API-integrationer, Git.

Naturfagslærer, Nordborg Slots Efterskole (2018-2023)

Underviste i matematik, fysik og kemi. Byggede undervisningsforløb i programmering, spiludvikling, webudvikling og robotteknologi.

Kompetencer

Uddannelse

Kandidat i Business and Economics Data Science, Syddansk Universitet, 2025

Speciale i samarbejde med EWII om forecasting af ændringer på det danske elmarked med deep learning (LSTM, TCN, Transformers) i Databricks.

Læreruddannelse, University College Syddanmark, 2015

Sprog

Dansk (modersmål), Engelsk (professionelt), Tysk (flydende), Spansk (flydende)

Referencer

Julian van Kranendonk, eulaw.ai

Jeg kan hermed varmt anbefale Mario Festersen på baggrund af hans arbejde som Data Engineer i vores virksomhed fra november 2025 til februar 2026.

I sin tid hos os arbejdede Mario med opbygning og vedligeholdelse af en kompleks datapipeline til indsamling, transformation og kvalitetssikring af data fra et stort antal heterogene offentlige datakilder. Arbejdet krævede en bred teknisk profil og evnen til at navigere i mange forskellige API'er, dataformater og systemarkitekturer.

Teknisk bredde og dybde: Mario udviklede selvstændigt dataadaptere til 15+ forskellige datakilder, der hver især havde unikke udfordringer: REST API'er, SPARQL-endpoints, Atom feeds, sitemap-baserede crawls og PDF-ekstraktion. Han mestrede hele spektret fra dataopdagelse og kildeanalyse til produktionsklar implementering med fejlhåndtering og test. Han arbejdede på tværs af en flerlagsarkitektur og tog ansvar for hele flowet, fra rå dataindhentning over struktureret transformation til endelig leveranceklar data. Han demonstrerede stærk forståelse for datamodellering, skemahåndtering og datakvalitetssikring.

Produktivitet og selvstændighed: Over sin ansættelsesperiode på ca. 4 måneder leverede Mario over 430 commits med en jævn kadence, hvilket vidner om høj produktivitet og vedholdenhed. Han håndterede selvstændigt hele onboardingprocessen for nye datakilder, fra indledende kildeanalyse og evaluering til fuldt funktionelle, testede og deployede adaptere.

Infrastruktur og DevOps: Ud over det rene dataarbejde bidrog Mario også til infrastruktur og CI/CD: opsætning af deploymentpipelines, cloud-konfiguration og skabeloner til serverless-arkitektur. Han viste en pragmatisk tilgang til drift og forstod vigtigheden af overvågning, fejlhåndtering og kostnadsoptimering.

Kvaliteter: God forståelse for end-to-end datapipelines i cloud-miljøer. Stærk fejlfindingsevne, mange af hans bidrag adresserer edge cases og subtile datakvalitetsproblemer (tegnkodning, URL-formatering, indholdstypefiltrering). Dokumentationskultur, bidrog med kildeanalyser, arkitekturdokumentation og testplaner.