Bloom-Filter-Audit für anonymisierten Klinik-Dublettencheck
Übersicht
Worum es bei diesem Projekt geht.
Du implementierst einen Counting-Bloom-Filter, analysierst FPR und Speicher – Abschluss mit verifizierbarem Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Sind die aktuellen Bloom-Filter-Parameter (m, k) für 4,8 Mio. Pseudonyme bei einer Ziel-FPR von 0,1 % noch korrekt — und wenn nicht, welche Parameter sollten gewählt werden?
Earning criteria — what you'll demonstrate
- Bloom-Filter-Parameter analytisch herleiten und empirisch validieren
- Varianten (Standard- vs. Counting-Bloom-Filter) auf Use-Case-Tauglichkeit prüfen
- Probabilistische Datenstrukturen in einem Audit-Kontext kritisch bewerten
- Datenschutz-relevante Annahmen in mathematische Garantien übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Randomized Algorithms
Master · Cs Se
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 RollenSoftwareentwickler:in
Ein methodisch sauberes Audit einer probabilistischen Datenstruktur ist eine starke Code-Review-Probe und zeigt, dass die Person Mathematik und Implementierung verbinden kann.
Dieses Projekt schärft
- bloom-filters
- code-audit
- python
Data Engineer:in
Bloom-Filter sind in jeder größeren Datenpipeline zur Deduplizierung im Einsatz — wer ihre Parameter sicher wählt, ist ein gefragtes Profil für Senior-Data-Engineering-Rollen.
Dieses Projekt schärft
- bloom-filters
- probabilistic-data-structures
- hash-functions
Noch eine Sache