Hybride Suche für eine Developer-Tools-Plattform optimieren
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 50.000 Dokumente (Mischung aus Markdown-Docs und Code-Snippets, englisch und deutsch) plus 200 gelabelte Anfragen mit gemischtem Charakter (40 Prozent natürliche Sprache, 40 Prozent Schlüsselwort-/Funktionssuchen, 20 Prozent Fehlercodes). Baue drei Setups: reine BM25, reine Vektorsuche (Weaviate oder Qdrant) und eine Hybrid-Variante mit Reciprocal Rank Fusion (RRF, ein Verfahren, das zwei Rankings durch Summe der Kehrwerte der Positionen verschmilzt). Optional: ein leichtgewichtiges Re-Ranking mit Cohere-Rerank-Modell. Erfolg heißt nDCG@10 (normalisierter Diskontierter Kumulierter Gewinn, eine Ranking-Qualitätsmetrik) über 0,72 im Hybrid-Setup plus dokumentierter Latenz-Pfad unter 250 ms p95.
Das Briefing
Was Du tust und was Du zeigst.
Finde die Hybrid-Such-Konfiguration mit dem besten nDCG@10 unter einer 250-ms-p95-Latenzgrenze für eine gemischte Anfrage-Verteilung aus natürlicher Sprache, Schlüsselwörtern und Fehlercodes.
Earning criteria — what you'll demonstrate
- BM25, dichte Vektorsuche und hybride Fusionsmethoden gegeneinander vermessen
- Reciprocal Rank Fusion und Re-Ranking als Architekturbausteine einsetzen
- Latenz- und Qualitäts-Kompromisse in Such-Systemen quantifizieren
- Anfrage-Verteilungen ehrlich segmentieren statt nur einen Mittelwert zu berichten
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 RollenMaschinelles-Lernen-Ingenieur:in
Hybride Such-Systeme zu vermessen und produktionsreif zu konfigurieren, ist exakt das Quartalsthema, das MLEs bei B2B-SaaS-Anbietern mit eigener Suche regelmäßig liefern müssen.
Dieses Projekt schärft
- hybrid-search
- vector-search
- benchmarking
KI-Ingenieur:in
Die Kombination aus Architektur-Empfehlung und reproduzierbarem Benchmark trifft genau das, was KI-Ingenieur:innen in produktorientierten Teams liefern: belegbare Konfigurationsentscheidungen, nicht Bauchgefühl.
Dieses Projekt schärft
- hybrid-search
- evaluation
- reranking
MLOps-Ingenieur:in
Latenz-Budgets pro Pipeline-Schritt und reproduzierbare Benchmark-Harnessees sind die täglichen Bausteine, mit denen MLOps-Teams Modell-Bereitstellungen verlässlich halten.
Dieses Projekt schärft
- benchmarking
- vector-search
- bm25
Noch eine Sache