Übersicht
Worum es bei diesem Projekt geht.
Erstelle ein Bonitäts-Scoring mit zwei Modellen und Fairness-Analyse für ein Factoring-Unternehmen. Erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie sieht ein Bonitäts-Scoring-Modell aus, das die Performance des Excel-Regelwerks signifikant schlägt und gleichzeitig BaFin-erwartungsgemäß erklärbar, kalibriert und auf Fairness geprüft ist?
Earning criteria — what you'll demonstrate
- Regulatorische Anforderungen an ML-Modelle in Banken praktisch umsetzen
- Weight of Evidence als interpretierbare Feature-Transformation einsetzen
- Kalibrierung als eigene Modell-Eigenschaft messen, nicht nur Discriminative Performance
- Fairness-Analyse für klassische Industrie-Use-Cases durchführen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning (CS Elective)
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 RollenSoftware-Entwickler:in
Ein BaFin-erwartungsgemäßes Bonitäts-Scoring mit Kalibrierung und Fairness-Analyse ist eine seltene Junior-Skill — sie qualifiziert direkt für Stellen in Banken, Versicherungen und Fintech-Risk.
Dieses Projekt schärft
- supervised-learning
- model-evaluation
- applied-ml
Produktmanager:in
Produktmanager:innen, die ML-Modell-Karten lesen und mit Compliance verhandeln können, sind in regulierten Branchen besonders gefragt.
Dieses Projekt schärft
- explainability
- model-evaluation
- feature-engineering
Noch eine Sache