Ensemble-Vergleich für die Churn-Prognose bei einem Telco
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten Vertrags-Datensatz von rund 480.000 Privatkund:innen mit 65 Features (Vertragsdaten, Verbrauchsverhalten, Service-Tickets) und einem 90-Tage-Churn-Label. Implementiere eine Pipeline mit XGBoost, scikit-learn Random Forest und einer Stacking-Ensemble. Reportiere PR-AUC, Top-Decile-Lift und Kalibrierung auf einem chronologischen Holdout-Set, plus Stabilität der Top-Feature-Importances über 5 Seeds. Liefere die Pipeline und einen 4-seitigen Methoden-Standard mit verbindlichen Mindestanforderungen für künftige Churn-Modelle.
Das Briefing
Was Du tust und was Du zeigst.
Vergleiche Gradient Boosting, Random Forest und Stacking auf einer fairen Churn-Pipeline und definiere einen Methoden-Standard für das Analytics-Team.
Earning criteria — what you'll demonstrate
- Ensemble-Methoden auf einem realen Datensatz fair vergleichen
- Chronologische Holdout-Splits für zeitbezogene Vorhersagen aufsetzen
- Modell-Stabilität als zusätzliche Qualitäts-Dimension reporten
- Einen Methoden-Standard für ein Analytics-Team 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 RollenData Scientist
Modell-Vergleiche mit Stabilität und Geschäftsmetriken zu schreiben und in einen Team-Standard zu übersetzen, ist die Vorzeige-Arbeit für Data Scientists in Analytics-Teams.
Dieses Projekt schärft
- ensemble-methods
- gradient-boosting
- evaluation
Maschinelles-Lernen-Ingenieur:in
Reproduzierbare Pipelines mit Multi-Seed-Reporting sind MLE-Tagesgeschäft in Produktions-Stacks.
Dieses Projekt schärft
- python
- evaluation
- model-stability
Angewandte:r KI-Wissenschaftler:in
Einen Team-Standard zu schreiben, der über Jahre gilt, ist die Brücke zwischen Modellbau und Plattform-Qualität.
Dieses Projekt schärft
- statistical-learning
- evaluation
- ensemble-methods
Noch eine Sache