Übersicht
Worum es bei diesem Projekt geht.
Implementiere zwei Empfehlungsverfahren für einen Shop, bewerte sie mit Recall@3 und erhalte dein verifizierbares Zertifikat.
Das Szenario
Der Shop (12 Beschaeftigte, eigenes Lager im Allgaeu) hat eine Conversion-Rate von rund 1,8 Prozent und einen durchschnittlichen Warenkorbwert von rund 95 Euro; jeder zusaetzliche Cross-Sell-Verkauf hat hohen Hebel auf die Profitabilitaet.
Das Briefing
Was Du tust und was Du zeigst.
Liefere zwei Empfehlungs-Basislinien plus eine offline-basierte Entscheidung, welche zuerst in den Live-Test gehoert.
Earning criteria — what you'll demonstrate
- Klassisches Kookkurrenz-Recommending und Matrix-Faktorisierung mit den eigenen Haenden bauen
- Empfehlungen offline mit Top-k-Metriken (Recall@k) sauber bewerten
- Coverage (wieviele Artikel kommen ueberhaupt vor) als zweite Achse neben Genauigkeit beruecksichtigen
- Eine ML-Entscheidung in eine geschaeftsklare Empfehlung uebersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning (Undergraduate)
Bachelor · Machine Learning
Strong alignment
This challenge maps to Machine Learning (Undergraduate) at the Bachelor 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.
- Recommender Systems
Apply recommender systems to solve real industry problems and demonstrate production-level capability.
- Matrix Factorization
Apply matrix factorization to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Scikit Learn
Apply scikit learn to solve real industry problems and demonstrate production-level capability.
- Data Visualization
Transform complex data into clear, insightful visual representations.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Machine Learning Engineer
Zwei Empfehlungs-Basislinien zu bauen, offline zu vergleichen und produktionsreif als Modul zu uebergeben ist eine typische erste Aufgabe im Recommender-Bereich.
Dieses Projekt schärft
- recommender-systems
- matrix-factorization
- python
Data Scientist
Offline-Bewertung mit Recall@k und Coverage richtig zu interpretieren und eine konkrete Live-Test-Entscheidung daraus abzuleiten ist Data-Science-Tagesgeschaeft im E-Commerce.
Dieses Projekt schärft
- model-evaluation
- recommender-systems
- data-visualization
Noch eine Sache