Bandit-Algorithmus für Preisentscheidungen in einem Reisemarktplatz
Übersicht
Worum es bei diesem Projekt geht.
Implementiere ε-greedy und Thompson-Sampling für Preisentscheidungen in einem Reisemarktplatz und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie ersetzt man klassische A/B-Tests durch einen Thompson-Sampling-Bandit, der im Backtest mehr Marge liefert UND den Worst-Case-Schaden begrenzt?
Earning criteria — what you'll demonstrate
- Multi-Armed-Bandit-Frameworks gegen klassische A/B-Tests abgrenzen
- Thompson-Sampling sauber implementieren (Beta-Posterior für binäre Belohnungen)
- Exploration-Exploitation-Trade-off mit messbaren Metriken bewerten
- Produktions-Guardrails entwerfen, die Worst-Case-Schaden begrenzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Decision Making Under Uncertainty
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenMachine Learning Engineer
Bandits in Produktion zu bringen, inklusive Guardrails und Backtest-Disziplin, ist tägliches ML-Engineering in Marketplace-Teams.
Dieses Projekt schärft
- multi-armed-bandits
- thompson-sampling
- experimentation
Data Scientist
Bandit-Methodik gehört zum Pflicht-Repertoire jedes Data Scientists, der in Wachstums- oder Pricing-Teams arbeitet.
Dieses Projekt schärft
- multi-armed-bandits
- experimentation
- backtesting
Applied AI Scientist
Den Wechsel von A/B-Tests zu Bandits zu verantworten — inklusive Begründung und Risiko-Diskussion — ist genau das Profil eines angewandten KI-Wissenschaftlers.
Dieses Projekt schärft
- exploration-exploitation
- backtesting
- thompson-sampling
Noch eine Sache