Code
Echtzeit-Nachfrageprognose für ein B2B-Fintech in Berlin
Übersicht
Worum es bei diesem Projekt geht.
Konzipiere und prototypisiere ein Echtzeit-Prognosesystem für die tägliche Umsatzprognose auf Kundenebene. Nutze dafür mindestens einen Machine-Learning-Ansatz (zum Beispiel Gradient Boosting oder ein rekurrentes neuronales Netzwerk — Long Short-Term Memory, LSTM) und vergleiche diesen mit einer geeigneten Baseline (zum Beispiel exponentielle Glättung). Das System muss unregelmäßige Ereignisse wie Marketingkampagnen der Kunden oder saisonale Sales-Peaks berücksichtigen. Erstelle einen technischen Architekturentwurf für die Integration in die bestehende Microservices-Infrastruktur sowie ein Monitoring-Konzept für die Prognosegüte. Die Abgabe umfasst den lauffähigen Prototypen, eine Performance-Evaluierung und eine Umsetzungs-Roadmap für das Entwicklungs-Team.
Das Briefing
Was Du tust und was Du zeigst.
Wie lässt sich ein Echtzeit-Prognosesystem für B2B-Transaktionsvolumina gestalten, das unregelmäßige Ereignisse integriert, die Kreditlimit-Freigabe automatisiert und dabei eine Prognosegüte von mindestens 85 Prozent auf Tagesbasis erreicht?
Earning criteria — what you'll demonstrate
- Machine-Learning-Modelle für hochfrequente Zeitreihen mit unregelmäßigen Ereignissen entwickeln und evaluieren
- Prognosesysteme von der Modellentwicklung bis zur produktionsreifen Architektur konzipieren
- Modell-Monitoring und -Wartung als kontinuierlichen Prozess gestalten
- Technische Prognoselösungen für Geschäftsentscheidungen verständlich aufbereiten und priorisieren
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.
Data Scientist
Die End-to-End-Entwicklung eines Machine-Learning-Modells von der Datenaufbereitung bis zur Evaluierung, inklusive Feature Engineering und Modellvergleich, ist die Kernaufgabe eines Data Scientists in produktiven Umgebungen.
Dieses Projekt schärft
- machine-learning
- time-series-forecasting
- python
IoT Data Scientist
Die Arbeit mit Echtzeit-Datenströmen, der Umgang mit unregelmäßigen Ereignissen und die Architektur von Datenpipelines sind direkt übertragbar auf IoT-Anwendungen mit zeitlich hochaufgelösten Sensor-Daten.
Dieses Projekt schärft
- time-series-forecasting
- api-design
- model-monitoring
Noch eine Sache