Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst eine anonymisierte Bestellhistorie (Bestellnummer, Datum, Kunden-ID, Artikel-IDs) sowie einen Produktkatalog (Artikel-ID, Kategorie, Preis). Implementiere zwei Empfehlungsverfahren: (1) Item-zu-Item-Kookkurrenz auf Warenkorbebene (klassische Marktanalyse) und (2) Matrix-Faktorisierung mit impliziten Bewertungen (Bestellanzahl pro Kunde-Artikel). Bewerte beide offline mit Recall@3 auf einer zeitlichen Hold-out-Aufteilung der letzten 8 Wochen. Liefere ein 2-Seiten-Memo, das den Gruender ueberzeugt, welche Variante zuerst in den Live-Test gehoert.
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.
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 RollenMachine 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