Description-Logic-Reasoner für Produktkonfigurations-Regeln
Übersicht
Worum es bei diesem Projekt geht.
Modelliere OWL-DL-Regeln für Sondermaschinenbau, baue eine Python-API mit Pellet/HermiT und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen Description-Logic-basierten Konfigurations-Prüfer, der die heutige Excel-Logik in Millisekunden ablöst und in das Vertriebs-Tooling integrierbar ist.
Earning criteria — what you'll demonstrate
- Description Logic auf realen Konfigurations-Constraints anwenden
- Mit OWL-DL-Reasonern (Pellet, HermiT) inferenzbasierte Prüfungen durchführen
- Anforderungen aus Vertriebs-Workshops in formale Regeln übersetzen
- Eine prüfbare API für Domänen-Logik gestalten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fuzzy Logic, Knowledge Representation, and Symbolic Reasoning
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
Formale Domänenmodelle in produktive APIs zu überführen ist eine wiederkehrende Aufgabe von Data Engineers in Industrie-IT-Teams.
Dieses Projekt schärft
- description-logic
- owl
- python
KI-Lösungsarchitekt:in
Symbolische Reasoning-Komponenten in einen Vertriebs-Stack zu integrieren entspricht der Arbeit von KI-Lösungsarchitektinnen in Sondermaschinenbau-Programmen.
Dieses Projekt schärft
- automated-reasoning
- knowledge-representation
- rule-design
Angewandte:r KI-Wissenschaftler:in
Anforderungen aus Workshops in formale Regeln zu übersetzen und automatisiert prüfbar zu machen, ist klassische angewandte symbolische KI-Arbeit.
Dieses Projekt schärft
- description-logic
- rule-design
- automated-reasoning
Noch eine Sache