Übersicht
Worum es bei diesem Projekt geht.
Führe ein Fairness-Audit eines Bewerbungs-Screenings durch, analysiere Gruppen-Metriken und erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Automobilzulieferer (rund 9 000 Beschaeftigte am Stammsitz) hat eine politische Selbstverpflichtung zu Diversity-Quoten und will ein externes Audit als Schutz vor Reputations- und Regulierungsrisiken.
Das Briefing
Was Du tust und was Du zeigst.
Pruefe, ob das Bewerbungs-Screening-Modell entlang geschuetzter Merkmale fair entscheidet, und liefere umsetzbare Korrekturmassnahmen.
Earning criteria — what you'll demonstrate
- Gruppen-Fairness-Metriken sauber berechnen und interpretieren
- Den Unterschied zwischen statistischer Parity und Equalized Odds verstehen
- Audits methodisch durchfuehren und schriftlich verteidigen
- Korrektur-Optionen (Schwelle vs. Retraining vs. Feature-Entfernung) gegeneinander abwaegen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning in Practice
Master · Machine Learning
Strong alignment
This challenge maps to Machine Learning in Practice at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Fairness Evaluation
Apply fairness evaluation to solve real industry problems and demonstrate production-level capability.
- Ml Ethics
Apply ml ethics to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Auditing
Apply auditing to solve real industry problems and demonstrate production-level capability.
- Stakeholder Management
Navigate competing priorities and communicate clearly with decision-makers.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
AI Safety Researcher
Ein vollstaendiges Fairness-Audit unter realen Constraints zu liefern ist die Kernkompetenz fuer AI-Safety-Forscher:innen in Konzernen mit Diversity-Verpflichtungen.
Dieses Projekt schärft
- fairness-evaluation
- ml-ethics
- auditing
Applied AI Scientist
Fairness-Metriken methodisch sauber zu berechnen und gegeneinander abzuwaegen ist eine senior-typische angewandte KI-Aufgabe.
Dieses Projekt schärft
- fairness-evaluation
- model-evaluation
- ml-ethics
AI Product Manager
Audit-Befunde in eine Massnahmenliste mit Aufwand zu uebersetzen und gegen Stakeholder zu verteidigen ist klassische AI-PM-Arbeit in regulierten Branchen.
Dieses Projekt schärft
- stakeholder-management
- auditing
- ml-ethics
Noch eine Sache