Distribution-Shift-Monitoring für ein Versicherungs-Tarif-Modell
Übersicht
Worum es bei diesem Projekt geht.
Baue eine Drift-Detection-Pipeline für ein Versicherungsmodell mit PSI und KS-Tests und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Baue ein Distribution-Shift-Monitoring für ein Tarif-Modell und validiere die Alarm-Logik gegen historische Drift-Ereignisse.
Earning criteria — what you'll demonstrate
- Statistische Drift-Tests methodisch korrekt anwenden
- Alarm-Logik kalibrieren, um Fehl-Alarme zu minimieren
- Monitoring-Reports für Fach-Abteilungen aufbereiten
- Operative Anforderungen an ein ML-Monitoring-System verstehen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Trustworthy AI, Robustness, and Safety
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 RollenMLOps-Ingenieur:in
Distribution-Shift-Monitoring mit Alarm-Logik und Wochen-Report-Übergabe ist Kerntagesarbeit für MLOps-Ingenieur:innen in regulierten Branchen.
Dieses Projekt schärft
- distribution-shift
- monitoring
- alerting
Maschinelles-Lernen-Ingenieur:in
Statistische Tests in eine reproduzierbare Pipeline zu gießen und gegen Ground Truth zu validieren, ist MLE-Tagesarbeit in produktiven ML-Stacks.
Dieses Projekt schärft
- statistical-tests
- python
- evaluation
KI-Sicherheits-Forscher:in
Drift-Monitoring als Grundlage für vertrauenswürdige KI-Systeme ist die Brücke zwischen MLOps und AI-Safety-Forschung in regulierten Settings.
Dieses Projekt schärft
- distribution-shift
- monitoring
- evaluation
Noch eine Sache