Dense Retrieval mit DPR fuer technische Wissensbasis eines Erlanger Maschinenbauers
Übersicht
Worum es bei diesem Projekt geht.
Trainiere DPR auf 180.000 Passagen, implementiere Bi-Encoder und FAISS-Index, vergleiche mit BM25. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Baue ein DPR-basiertes semantisches Retrieval ueber eine technische Wissensbasis und uebertreffe BM25 deutlich in Recall@5.
Earning criteria — what you'll demonstrate
- Dense Retrieval mit bi-encoder-Architekturen entwerfen und trainieren
- Vektor-Indizes effizient aufbauen und abfragen
- Semantisches Retrieval gegen klassisches BM25 ehrlich vergleichen
- Retrieval-Qualitaet als first-class-Produktmetrik berichten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Question Answering and Conversational Systems
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 RollenNLP Engineer
Dense Retrieval mit bi-encoder-Training und FAISS-Indexing zu liefern ist Kerngebiet von NLP Engineers in Enterprise-Search-Teams.
Dieses Projekt schärft
- dense-retrieval
- embedding-models
- vector-search
AI Engineer
Retrieval-Pipelines mit FastAPI-Bindung und Latenzbudget zu paketieren ist die Tag-eins-Arbeit eines AI Engineers in einem produktnahen Search-Team.
Dieses Projekt schärft
- vector-search
- python
- passage-ranking
Machine Learning Engineer
Encoder-Training mit Negativ-Sampling-Strategie und ablation studies durchzufuehren ist klassische ML-Engineer-Arbeit in Search- und Recommender-Teams.
Dieses Projekt schärft
- embedding-models
- evaluation-design
- passage-ranking
Noch eine Sache