Übersicht
Worum es bei diesem Projekt geht.
Baue eine ETL-Pipeline, zwei Prognose-Modelle (SARIMA & LSTM), eine API und ein Dashboard für ein Stadtwerk und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie baut ein vierköpfiges Team eine produktionsreife Energie-Verbrauchs-Prognose-Plattform, die zwei Prognose-Modelle parallel betreibt und an eine vierköpfige IT-Mannschaft übergeben werden kann?
Earning criteria — what you'll demonstrate
- Time-Series-Modelle in eine produktive Plattform integrieren
- Mehrere Prognose-Modelle parallel produktiv halten
- ETL-Pipelines mit täglichen Läufen robust gestalten
- Eine Plattform an eine kleine IT-Mannschaft praxistauglich übergeben
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
AI Software Engineering Group Project
Master · Ai Ml
Fit score: 1
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.
Machine Learning Engineer
Machine Learning Engineers in Energie-Versorgern bauen genau diese Art von Prognose-Plattformen. Die Challenge übt die volle Brücke von Zeitreihen-Modellen zur produktiven Plattform.
Dieses Projekt schärft
- time-series-forecasting
- sarima
- lstm
Data Engineer
Die ETL-Pipeline und die täglichen Datenläufe sind das Tagesgeschäft eines Data Engineers in einem Energieversorger. Die Challenge gibt einen realistischen Einstieg in genau diese Tätigkeit.
Dieses Projekt schärft
- etl-pipelines
- python
- team-coordination
MLOps Engineer
MLOps Engineers verantworten die Versionierung und Ablösbarkeit produktiver Modelle. Die Architektur dieser Challenge ist eine kompakte, aber realistische MLOps-Übung.
Dieses Projekt schärft
- docker
- fastapi
- team-coordination
Noch eine Sache