Bayessche Optimierung der Prozessparameter in der Lebensmittelproduktion
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 15 historische Versuchslaeufe einer aehnlichen Linie als Startdaten. Modelliere die Zielmetrik (Zaehigkeits-Abweichung von Soll) mit einem GP. Implementiere drei Akquisitionsfunktionen — Expected Improvement, Upper Confidence Bound und Knowledge Gradient — und vergleiche per Simulationsstudie auf einem synthetischen Testbench. Liefere ein CLI, das die Verfahrenstechnik pro Iteration nutzt: Eingabe der gemessenen Zaehigkeit, Ausgabe der naechsten 3 Parametersaetze plus geschaetzter Verbesserungswahrscheinlichkeit. Validiere, dass die BO mit hoher Wahrscheinlichkeit innerhalb von 20 zusaetzlichen Laeufen eine Zaehigkeit innerhalb der Spezifikation findet.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine GP-basierte Bayessche Optimierung, die mit minimalen, teuren Versuchslaeufen ein Lebensmittel-Prozessfenster findet.
Earning criteria — what you'll demonstrate
- Bayessche Optimierung als sample-effiziente Suchstrategie verstehen und implementieren
- GP-Surrogat-Modelle in Anwendungsdomaenen ausserhalb des ML-Labors einsetzen
- Akquisitionsfunktionen empirisch vergleichen
- Optimierungs-Workflows fuer Domaenenexperten ohne ML-Hintergrund gestalten
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 RollenApplied AI Scientist
Bayessche Optimierung in eine industrielle Verfahrenstechnik zu uebertragen und gegen ein Maschinenzeit-Budget zu validieren ist genau die Bruecke zwischen Forschung und Produktion, die Applied AI Scientists schlagen.
Dieses Projekt schärft
- bayesian-optimization
- gaussian-processes
- process-optimization
Machine Learning Engineer
Ein BO-CLI auszuliefern, das ein Nicht-ML-Team produktiv einsetzen kann, ist die ML-Engineer-Faehigkeit, die in Industrieprojekten am haerter bewertet wird als das Modell selbst.
Dieses Projekt schärft
- python
- process-optimization
- experiment-design
Data Scientist
Sample-effiziente experimentelle Planung in einem Industrieumfeld ist eine wachsende Anforderung an Data Scientists bei FMCG- und Maschinenbau-Kunden.
Dieses Projekt schärft
- experiment-design
- gaussian-processes
- bayesian-optimization
Noch eine Sache