Inhärent interpretierbares Modell für Versicherungs-Schadenmeldungen
Übersicht
Worum es bei diesem Projekt geht.
Trainiere zwei interpretierbare Modelle mit 80.000 Schadenfällen und vergleiche ihre Performance. Erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Versicherer (rund 2.800 Mitarbeitende) bearbeitet ca. 220.000 Kfz-Schäden pro Jahr; jedes Prozent unnötige manuelle Prüfungen kostet messbar Personalstunden, und die Compliance will Black-Box-Modelle reduzieren.
Das Briefing
Was Du tust und was Du zeigst.
Liefere ein inhärent interpretierbares Modell für das Routing von Kfz-Schadenmeldungen, das die Performance des heutigen Black-Box-Modells weitgehend hält.
Earning criteria — what you'll demonstrate
- Inhärent interpretierbare Modelle (EBM, Rule Lists) praktisch trainieren
- Inhärente Interpretierbarkeit gegen Post-hoc-Erklärungen abwägen
- Modell-Performance über Standard-Metriken fair vergleichen
- Regelbasierte Modelle für nicht-technische Fachteams kommentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Interpretable Models
Apply interpretable models to solve real industry problems and demonstrate production-level capability.
- Explainable Ai
Apply explainable ai to solve real industry problems and demonstrate production-level capability.
- Ebm
Apply ebm to solve real industry problems and demonstrate production-level capability.
- Rule Lists
Apply rule lists to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data Scientist
Inhärente Interpretierbarkeit gegen Black-Box-Modelle in einer regulierten Branche zu bewerten ist typisch für Data Scientists in Versicherungen.
Dieses Projekt schärft
- interpretable-models
- ebm
- model-evaluation
KI-Sicherheits-Forscher:in
Wer den Trade-off Modellqualität vs. Transparenz fundiert dokumentieren kann, ist anschlussfähig für KI-Sicherheits-Rollen in Compliance-Teams.
Dieses Projekt schärft
- explainable-ai
- interpretable-models
- rule-lists
ML-Ingenieur:in
Interpretierbare Modelle in eine produktive Routing-Pipeline zu integrieren ist die Engineering-Aufgabe, die ML-Ingenieurinnen in Versicherungs-IT übernehmen.
Dieses Projekt schärft
- python
- ebm
- model-evaluation
Noch eine Sache