Bandit-Algorithmus für Preisentscheidungen in einem Reisemarktplatz
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 12 Monate Buchungsdaten (Hotel, Preisniveau, Buchungs-Indikator, Marge) für 50 Hotels. Implementiere zwei Bandit-Varianten: ε-greedy als Baseline und Thompson-Sampling als Hauptmethode. Vergleiche im rollenden Simulations-Backtest gegen das heutige A/B-Verfahren. Berichte kumulierte Marge, exploration-Anteil und Worst-Case-Schaden eines schlechten Arms. Liefere eine Empfehlung, mit welchen 10 Hotels das Vorgehen in Produktion starten sollte und welche Guardrails (z. B. Mindest-Sample-Größe pro Arm) eingebaut werden müssen.
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.
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