Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst rund 240 000 Policen mit 47 Features (Branche, Anlagenalter, Standortrisiko, historische Schadensumme) plus die Zielspalte Schadenfall (0/1) und die Schadenhoehe in Euro. Trainiere drei Modelle: Random Forest, XGBoost und ein Stacking-Ensemble (Logistische Regression als Meta-Lerner ueber den beiden ersten). Bewerte alle drei mit zeitlicher Out-of-Time-Validierung, berichte Brier-Score (Mass fuer Kalibrierung der Wahrscheinlichkeitsausgaben), Gini-Koeffizient (Rangordnung) und Erwartungsschaden-Differenz je Polize in Euro. Liefere eine 3-seitige Empfehlung mit klarer Aussage zu Genauigkeit, Aufwand und Erklaerbarkeit.
Das Briefing
Was Du tust und was Du zeigst.
Entscheide datenbasiert, ob ein Stacking-Ensemble den bestehenden Random Forest in geschaeftsrelevanter Hoehe schlaegt.
Earning criteria — what you'll demonstrate
- Stacking-Ensemble korrekt aufbauen (Cross-Validation fuer die Meta-Features)
- Wahrscheinlichkeits-Kalibrierung neben Rangordnung als zweite Achse beruecksichtigen
- Modellqualitaet in Euro statt nur in ROC-AUC denken
- Aufwand vs. Genauigkeit in einer Empfehlung an die Versicherungsmathematik gegeneinander wiegen
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
Stacking-Ensembles produktionsnah zu bauen und zu bewerten ist eine Kernkompetenz fuer ML Engineers in regulierten Branchen wie Versicherung und Banken.
Dieses Projekt schärft
- ensemble-methods
- supervised-learning
- xgboost
Data Scientist
Kalibrierung neben Rangordnung zu beruecksichtigen und Erfolg in Euro zu uebersetzen unterscheidet eine Senior-Data-Scientist:in vom ML-Lehrbuchanwender.
Dieses Projekt schärft
- calibration
- model-evaluation
- ensemble-methods
Applied AI Scientist
Wenn eine technische Verbesserung mit Aufwand und Erklaerbarkeit verteidigt werden muss, ist das angewandte KI-Arbeit auf Senior-Niveau in der Versicherungsbranche.
Dieses Projekt schärft
- model-evaluation
- ensemble-methods
- calibration
Noch eine Sache