Gaussian Process fuer Solarprognose im Schwarzwald kalibrieren
Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 2 Jahre stuendlicher Erzeugungsdaten je Anlage plus DWD-Wettervorhersage-Features (Globalstrahlung, Temperatur, Bewoelkung, Stunde, Wochentag). Definiere fuer jede Anlage einen GP mit einem zusammengesetzten Kernel (RBF + Periodic + WhiteNoise), waehle die Hyperparameter per Marginal-Likelihood-Maximierung. Beurteile auf 6-Monats-Holdout sowohl die Punktgenauigkeit (Root Mean Squared Error — Wurzel des mittleren quadratischen Fehlers) als auch die Kalibrierung der Unsicherheit (Continuous Ranked Probability Score — Bewertungsmass fuer probabilistische Vorhersagen). Vergleiche gegen einen einfachen Quantil-Regressionsbaseline. Liefere eine reproduzierbare Pipeline plus eine Marktabteilungs-Notiz, die erklaert, was die Konfidenzbaender bedeuten.
Das Briefing
Was Du tust und was Du zeigst.
Baue ein Gaussian-Process-Modell pro PV-Anlage, das stuendliche Day-Ahead-Erzeugung mit kalibrierten Unsicherheitsbaendern vorhersagt.
Earning criteria — what you'll demonstrate
- Gaussian Processes als nichtparametrische Bayessche Methode einsetzen
- Kernel-Kompositionen zur Erfassung saisonaler und nichtlinearer Effekte gestalten
- Probabilistische Vorhersagen ueber CRPS und Kalibrierungs-Diagramme bewerten
- Unsicherheitsbaender in betriebliche Entscheidungen uebersetzen
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
Probabilistische Zeitreihenprognose mit ehrlicher Kalibrierung gegen ein Geschaeftsbudget zu liefern ist Kerngebiet von Data Scientists in der Energiebranche und bei Stadtwerken.
Dieses Projekt schärft
- gaussian-processes
- uncertainty-quantification
- energy-forecasting
Applied AI Scientist
Gaussian Processes auf realen, verrauschten Industriedaten zu trainieren und gegen scoring rules zu validieren entspricht der angewandten Forschungsarbeit in Energie- und Mobilitaetsfirmen.
Dieses Projekt schärft
- gaussian-processes
- bayesian-inference
- uncertainty-quantification
Machine Learning Engineer
Eine GP-Pipeline pro Anlage zu paketieren und reproduzierbar zu deployen schlaegt die Bruecke zur ML-Engineer-Arbeit an produktiven Forecast-Diensten.
Dieses Projekt schärft
- time-series
- python
- energy-forecasting
Noch eine Sache