Association-Rules für Warenkorb-Empfehlungen im Online-Großhandel
Übersicht
Worum es bei diesem Projekt geht.
Implementiere Apriori mit echten B2B-Bestelldaten, filtere triviale Regeln und erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Großhändler (rund 240 Beschäftigte, Eigentum eines Family Office) liefert an Restaurants, Hotels und Kantinen in Norddeutschland; ein interner Test zeigt, dass der Empfehlungs-Slot heute nur 1,2 % der Bestellungen beeinflusst — Ziel sind 4 %.
Das Briefing
Was Du tust und was Du zeigst.
Wie generiert man aus 18 Monaten Bestelldaten die Top-200 produktiv ausspielbaren Warenkorb-Regeln, ohne triviale Korrelationen zu zeigen?
Earning criteria — what you'll demonstrate
- Apriori bzw. FP-Growth auf realer Warenkorb-Größenordnung anwenden
- Support/Konfidenz/Lift — die drei klassischen Regel-Metriken — begründet wählen
- Statistisch starke vs. geschäftlich nützliche Regeln voneinander trennen
- Einen A/B-Test mit ausreichender Sample-Size planen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Association Rules
Apply association rules to solve real industry problems and demonstrate production-level capability.
- Apriori
Apply apriori to solve real industry problems and demonstrate production-level capability.
- Fp Growth
Apply fp growth to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Data Cleaning
Apply data cleaning to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data Scientist
Association-Rules sind ein klassisches Data-Mining-Werkzeug, das immer noch in Empfehlungs-Slots produktiv ist — die Challenge liefert eine end-to-end-Demonstration vom Rohdatensatz bis zum A/B-Test-Plan.
Dieses Projekt schärft
- association-rules
- apriori
- feature-engineering
Machine Learning Engineer
Eine produktive Regel-Pipeline mit JSON-Ausspielung und Schwellen-Tuning ist eine typische erste Aufgabe für ML Engineers in Retail- und Marketplace-Teams.
Dieses Projekt schärft
- python
- fp-growth
- data-cleaning
AI Engineer
Die Schnittstelle zwischen Modell-Output und Produkt-Endpunkt sauber zu schneiden ist Tagesgeschäft eines AI Engineers — die Challenge übt genau das.
Dieses Projekt schärft
- python
- association-rules
- feature-engineering
Noch eine Sache