Intelligenter Agent für ein Kundenservice-Chat-Routing
Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten 8.000 anonymisierte Chat-Eröffnungs-Nachrichten mit manuellem Routing-Label (mit den 18 Prozent Fehl-Routings) und eine Vorrechnung der Klassenverteilung (massiv unausgeglichen: Konten 41 Prozent, Erbfall 0,8 Prozent). Bauen Sie zwei Baseline-Modelle: TF-IDF + Logistische Regression mit class_weight='balanced', plus ein regelbasiertes Fallback für eindeutige Schlüsselwörter (z. B. 'gestohlene Karte' → Karten-Team sofort). Implementieren Sie eine Hybrid-Strategie (Regeln schlagen Modell, wenn Regel-Treffer). Evaluieren Sie mit Macro-F1 und einer Konfusions-Matrix; identifizieren Sie die schmerzhaftesten Verwechslungen. Bauen Sie eine kleine Streamlit-Demo. Liefern Sie Code, Evaluations-Bericht, Demo und eine ehrliche Diskussion der Modell-Grenzen.
Das Briefing
Was Du tust und was Du zeigst.
Wie sieht ein hybrides Routing-System aus, das die manuelle Fehl-Routing-Rate von 18 Prozent halbiert und transparent erklärbar bleibt?
Earning criteria — what you'll demonstrate
- Klassische NLP-Pipelines (TF-IDF + lineare Modelle) sauber aufbauen
- Unausgeglichene Klassen-Verteilungen praktisch behandeln
- Hybrid-Systeme aus Regeln und Modellen entwerfen
- Modell-Grenzen ehrlich kommunizieren statt zu beschönigen
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 RollenSoftware-Entwickler:in
Klassische NLP plus Regel-Engines auf einem realen, regulierten Use-Case ist eine seltene Junior-Skill — sie qualifiziert für ML-Engineering-Stellen in Banken, Versicherungen und Behörden, die LLM-Vermeidung explizit fordern.
Dieses Projekt schärft
- nlp-basics
- machine-learning-applied
- python
Backend-Entwickler:in
Backend-Entwickler:innen mit klassischen-ML-Hintergrund verstehen, wann ein leichtgewichtiges Modell einem schweren LLM-Aufruf vorzuziehen ist — eine zunehmend wichtige Kompetenz.
Dieses Projekt schärft
- machine-learning-applied
- python
- rule-engines
Noch eine Sache