Diffusionsmodell für synthetische Trainingsdaten im Onlinehandel feintunen
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 5.000 reale Produktfotos in 12 Kategorien plus eine vortrainierte Stable-Diffusion-XL-Checkpoint. Wähle eine Fine-Tuning-Methode (DreamBooth oder LoRA — Low-Rank Adaptation, ein parameter-effizientes Fine-Tuning-Verfahren). Erzeuge 10.000 synthetische Bilder, trainiere einen CNN-Klassifikator (a) nur auf realen Daten, (b) nur auf synthetischen Daten, (c) gemischt. Bewerte auf einem zurückgehaltenen Realdaten-Testset. Liefere die Empfehlung, ob synthetische Daten den ROI rechtfertigen, plus eine kurze Risikoanalyse zu Mode-Bias (z. B. Hautton-, Größen- und Stilverteilung der Synthese).
Das Briefing
Was Du tust und was Du zeigst.
Bewerte, ob ein feinjustiertes Diffusionsmodell als synthetische Datenquelle die Produktklassifikation messbar verbessert — und welche Bias-Risiken dadurch entstehen.
Earning criteria — what you'll demonstrate
- Diffusionsmodelle konzeptionell verstehen und mit LoRA effizient feinjustieren
- Synthetische Daten als Ergänzungsstrategie zu echtem Training bewerten
- Verzerrungsrisiken durch generative Modelle systematisch identifizieren
- Eine begründete Empfehlung aus quantitativen und qualitativen Befunden ableiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
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 RollenApplied AI Scientist
Generative Forschungsmethoden auf ein konkretes Produktproblem anwenden und ehrlich bewerten ist genau die Arbeit, die Applied AI Scientists in Produktteams leisten.
Dieses Projekt schärft
- generative-models
- diffusion-models
- fine-tuning
ML Researcher
Diffusionsmodelle und ihre Eignung für synthetisches Datentraining sind ein aktives Forschungsfeld; diese Challenge entwickelt genau die experimentelle Disziplin, die ML Researcher brauchen.
Dieses Projekt schärft
- generative-models
- synthetic-data
- fine-tuning
AI Safety Researcher
Bias-Analyse bei generativen Modellen ist ein wachsendes Sicherheitsthema; die hier aufgebaute Methodik überträgt sich direkt auf Safety-Audits.
Dieses Projekt schärft
- bias-analysis
- diffusion-models
- synthetic-data
Noch eine Sache