Autoregressive Sequenz-Generation für ein Game-Studio in Berlin
Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen Transformer auf Quests, generiere 100 Vorschläge und bewerte sie. Liefere eine Empfehlung inklusive verifizierbarem Zertifikat.
Das Szenario
Das Studio (Selbstpublishing, Schwerpunkt PC + Steam, vorheriger Titel mit positiver Steam-Bewertung über 90 %) hat Story-Volumen als Engpass identifiziert; die generative Mechanik soll Writers entlasten, nicht ersetzen.
Das Briefing
Was Du tust und was Du zeigst.
Wie trainiert man einen kleinen autoregressiven Transformer so, dass der Writers' Room mindestens die Hälfte der Generationen als 'mit Edit nutzbar' oder besser bewertet?
Earning criteria — what you'll demonstrate
- Autoregressive Transformer von Grund auf trainieren (oder von Initialisierung weiter trainieren)
- Strukturierte JSON-Generation mit Schema-Constraints stabilisieren
- Qualitative Evaluation mit Domain-Expert:innen führen
- Failure-Modes ehrlich kommunizieren, ohne 'es funktioniert'-Versuchung
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Deep Generative Models
Master · Generative Ai
Strong alignment
This challenge maps to Deep Generative Models at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Autoregressive Models
Apply autoregressive models to solve real industry problems and demonstrate production-level capability.
- Transformer Training
Apply transformer training to solve real industry problems and demonstrate production-level capability.
- Text Generation
Apply text generation to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Qualitative Evaluation
Apply qualitative evaluation to solve real industry problems and demonstrate production-level capability.
- Small Language Models
Apply small language models 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.
ML Researcher
Kleine autoregressive Modelle auf domain-spezifischen Datensätzen zu trainieren ist gefragt in Creative-Tools-Forschung — die Challenge produziert genau diesen Nachweis.
Dieses Projekt schärft
- autoregressive-models
- transformer-training
- small-language-models
Applied AI Scientist
Den Übergang von Trainings-Loss zu 'mit Edit nutzbar' zu schaffen ist die typische Brücke zwischen Forschung und Produkt in Game-Studios.
Dieses Projekt schärft
- text-generation
- qualitative-evaluation
- transformer-training
NLP Engineer
Strukturierte Text-Generation mit Schema-Constraints ist eine NLP-Engineering-Disziplin; die Challenge übt sie an einem unterhaltsamen Datensatz.
Dieses Projekt schärft
- text-generation
- autoregressive-models
- transformer-training
Noch eine Sache