Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst die Trainingsdaten (rund 80 000 Firmenkunden, 24 Features) und die letzten 6 Monate Live-Inputs des Modells. Implementiere drei Drift-Metriken: Population Stability Index (PSI — vergleicht Verteilungsformen), Kolmogorov-Smirnov-Test (KS — testet Verteilungs-Identitaet), und KL-Divergenz auf den Vorhersage-Verteilungen. Baue ein Tages-Dashboard, das die drei Metriken pro Feature track, und definiere Eskalations-Schwellenwerte (gelb/rot). Liefere die Pipeline + Dashboard + ein 2-seitiges Runbook, das dem MLOps-Team sagt, wann welche Massnahme zu treffen ist.
Das Briefing
Was Du tust und was Du zeigst.
Erkenne Daten-Drift im produktiven Empfehlungsmodell frueh und gebe dem MLOps-Team einen klaren Eskalations-Plan.
Earning criteria — what you'll demonstrate
- Daten-Drift sauber von Konzept-Drift unterscheiden
- PSI, KS-Test und KL-Divergenz situationsabhaengig einsetzen
- Monitoring-Schwellenwerte begruendet (nicht nach Bauchgefuehl) festlegen
- Eskalations-Regeln so dokumentieren, dass das MLOps-Team danach handeln kann
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 RollenMLOps Engineer
Drift-Monitoring mit Eskalations-Regeln ist genau das, was MLOps-Teams in Fintechs taeglich brauchen und absichern muessen.
Dieses Projekt schärft
- model-monitoring
- data-drift
- ml-pipelines
Machine Learning Engineer
Statistisch saubere Drift-Erkennung neben dem Modellbau ist die Disziplin, die produktive ML-Engineers von Forschern unterscheidet.
Dieses Projekt schärft
- data-drift
- statistical-testing
- python
Data Scientist
Drift- und Konzept-Drift sauber zu trennen und mit statistischen Tests zu beweisen ist eine Senior-Data-Science-Disziplin.
Dieses Projekt schärft
- statistical-testing
- evaluation
- model-monitoring
Noch eine Sache