Faires Scoring-Modell für ein Wiener Personalvermittlungs-Startup
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein faires Scoring-Modell für ein Wiener Startup, prüfe es auf Bias und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie lässt sich ein Scoring-Modell für Personalvermittlung so bauen, dass es geschäftlich nützlich und nachweisbar fair gegenüber Geschlechts- und Altersgruppen ist?
Earning criteria — what you'll demonstrate
- Fairness-Metriken in einem realen Geschäftskontext anwenden
- Mitigierungsstrategien gegen Diskriminierung umsetzen und ehrlich bewerten
- Modellentscheidungen über SHAP-Werte erklärbar machen
- Technische Ergebnisse für eine Aufsichtsrats-Ebene verständlich kommunizieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Applied Machine Learning
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.
Karrierewege, die das aufbaut
Kanonische RollenApplied AI Scientist
Ein produktrelevantes Modell mit Fairness-Garantien und einer Aufsichtsrats-Kommunikation zu liefern ist eine der hochwertigsten Erfahrungen, die ein Applied AI Scientist in den ersten Jahren machen kann.
Dieses Projekt schärft
- fairness-in-ml
- predictive-modeling
- model-explainability
AI Safety Researcher
Diskriminierungsrisiken systematisch zu prüfen und Mitigierungen ehrlich zu bewerten ist die Kernarbeit angewandter AI-Safety-Forschung.
Dieses Projekt schärft
- fairness-in-ml
- model-evaluation
- model-explainability
Machine Learning Engineer
Eine reproduzierbare Pipeline plus Monitoring-Empfehlung ist die direkte Vorarbeit für produktive ML-Engineering-Arbeit unter regulatorischem Druck.
Dieses Projekt schärft
- python
- predictive-modeling
- data-wrangling
Noch eine Sache