Übersicht
Worum es bei diesem Projekt geht.
Du baust eine Pipeline in Python, die taeglich aus zwei Datenquellen (Containerterminal-API + Wettervorhersage-API) zieht, Features aufbaut, ein Gradient-Boosting-Modell auf rollendem 90-Tage-Fenster trainiert, auf den letzten 14 Tagen evaluiert und Vorhersagen fuer den naechsten Tag als CSV in einen S3-aehnlichen Speicher schreibt. Die Pipeline laeuft via cron und schreibt Logs. Erfolg heisst: Die Pipeline laeuft 5 Tage hintereinander ohne manuelle Eingriffe, der Out-of-Sample-MAE bleibt stabil unter dem Baseline-Wert, und ein Bereitschafts-Runbook fuer den Dispatcher liegt vor.
Das Briefing
Was Du tust und was Du zeigst.
Liefere eine wiederholbare ML-Pipeline, die taegliche Lieferzeit-Prognosen automatisiert erzeugt und 5 Tage stabil laeuft.
Earning criteria — what you'll demonstrate
- End-zu-end-ML-Pipelines mit Daten-Ingestion, Training, Bewertung und Vorhersage-Output bauen
- Rollendes Training auf zeitlichen Daten korrekt aufsetzen
- Pipelines reproduzierbar und beobachtbar machen (Logging, Konfiguration, Tests)
- Ein Runbook fuer einen nicht-technischen Operativ-Nutzer schreiben
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
End-zu-end-Pipelines stabil und beobachtbar zu machen ist genau die taegliche MLOps-Arbeit in Logistik- und Industrieunternehmen.
Dieses Projekt schärft
- ml-pipelines
- monitoring
- data-ingestion
Machine Learning Engineer
Die saubere Trennung zwischen Modellcode und Pipeline-Infrastruktur ist die Senior-Disziplin, die ML Engineers von Notebook-Bastlern unterscheidet.
Dieses Projekt schärft
- ml-pipelines
- feature-engineering
- python
AI Engineer
Eine Pipeline, die taeglich Geschaeftsoutputs erzeugt und mit einem Runbook uebergeben wird, ist klassische AI-Engineer-Arbeit in fruehen Produktionsphasen.
Dieses Projekt schärft
- python
- ml-pipelines
- data-ingestion
Noch eine Sache