Daten-Pipeline für Streaming-Features bei einem Wiener Online-Händler
Übersicht
Worum es bei diesem Projekt geht.
Baue eine Streaming-Pipeline für Kafka-Events auf Kubernetes mit Spark und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine Streaming-Feature-Pipeline, die Browse-Events in unter 30 Sekunden in das Empfehlungssystem füttert und Konsistenz zur Batch-Baseline beweist.
Earning criteria — what you'll demonstrate
- Eine Streaming-Pipeline mit produktionsreifen Tools aufsetzen
- Event-Time-Semantik und Watermarking korrekt anwenden
- Feature-Konsistenz zwischen Streaming und Batch messbar machen
- Operations-Risiken einer Streaming-Pipeline für das Plattform-Team aufbereiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning at Scale
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 RollenData Engineer
Eine produktionsreife Streaming-Pipeline mit Konsistenz-Beweis zur Batch-Baseline ist die zentrale Tagesarbeit für Data Engineers in modernen E-Commerce-Stacks.
Dieses Projekt schärft
- streaming
- apache-kafka
- apache-spark
MLOps-Ingenieur:in
Streaming-Operations mit Restart-Resilienz und Metriken-Aufzeichnung ist eine MLOps-Kernkompetenz, die in dieser Challenge konkret geübt wird.
Dieses Projekt schärft
- kubernetes
- data-validation
- feature-engineering
Maschinelles-Lernen-Ingenieur:in
Streaming-Features sauber zu modellieren und gegen Batch zu validieren ist die Brücke zwischen Plattform-Engineering und Modell-Engineering.
Dieses Projekt schärft
- feature-engineering
- apache-spark
- data-validation
Noch eine Sache