Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen DQN-Agenten im Lagersimulator, der A* auf 100 Episoden schlägt, und dokumentiere Ergebnisse in einem Memo. Erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Anbieter (rund 90 Mitarbeitende, Serie B) bedient 14 Standorte in NRW und im Ruhrgebiet; jeder Prozentpunkt Routing-Effizienz entspricht etwa 75.000 EUR Jahresdurchsatz bei den aktuellen Verträgen.
Das Briefing
Was Du tust und was Du zeigst.
Schlage eine DQN-Lagerrouting-Policy so gegen den produktiven A*-Planer aus, dass eine fundierte Pilot-Empfehlung möglich wird.
Earning criteria — what you'll demonstrate
- Deep-Q-Learning mit Experience Replay und Target-Network sauber implementieren
- Einen fairen Vergleich zwischen einer gelernten Policy und einem klassischen Planer entwerfen
- Trainings-Instabilitäten anhand der Diagnose-Plots identifizieren und beheben
- Experimentelle Ergebnisse in eine geschäftliche Empfehlung übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Deep Reinforcement Learning
Master · Reinforcement Learning
Strong alignment
This challenge maps to Deep Reinforcement Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Deep Q Learning
Apply deep q learning to solve real industry problems and demonstrate production-level capability.
- Reinforcement Learning
Apply reinforcement learning to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Experiment Design
Apply experiment design to solve real industry problems and demonstrate production-level capability.
- Simulation
Apply simulation to solve real industry problems and demonstrate production-level capability.
- Benchmarking
Apply benchmarking 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.
ML-Ingenieur:in
Reproduzierbares Training, sauberes Logging und ein Benchmark gegen ein produktives Baseline-System sind genau die Aufgaben, die ML-Ingenieurinnen in den ersten Monaten in Robotik-Unternehmen übernehmen.
Dieses Projekt schärft
- pytorch
- experiment-design
- benchmarking
Angewandte:r KI-Wissenschaftler:in
Eine Methode aus der RL-Forschung in einen geschäftsentscheidungs-tauglichen Vergleich zu überführen ist der Kern angewandter KI-Arbeit in Industrieprojekten.
Dieses Projekt schärft
- reinforcement-learning
- deep-q-learning
- experiment-design
KI-Ingenieur:in
Den gesamten Loop von Simulator über Training bis zur Produkt-Empfehlung selbst zu bauen entspricht dem Alltag von KI-Ingenieurinnen in Frühphasen-Robotikunternehmen.
Dieses Projekt schärft
- simulation
- pytorch
- benchmarking
Noch eine Sache