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 Szenario
Servicetechniker im Feld haben heute ein Self-Service-Erfolgs-Quotient von rund 41 Prozent — bei 59 Prozent muss ein Office-Engineer im Hintergrund recherchieren. Eine Steigerung auf rund 70 Prozent waere geschaetzt 600.000 EUR pro Jahr an Office-Engineer-Kapazitaet wert.
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.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Dense Retrieval
Apply dense retrieval to solve real industry problems and demonstrate production-level capability.
- Passage Ranking
Apply passage ranking to solve real industry problems and demonstrate production-level capability.
- Embedding Models
Apply embedding models to solve real industry problems and demonstrate production-level capability.
- Vector Search
Apply vector search to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Evaluation Design
Apply evaluation design to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
NLP 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