Übersicht
Worum es bei diesem Projekt geht.
Baue zwei KI-Agenten für eine Schul-App, simuliere 200 Lernsessions und vergleiche ihre Bewertungen. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie vergleicht sich ein regelbasierter Agent gegen einen heuristisch-adaptiven Agenten, wenn beide den Lernfortschritt synthetischer Schüler:innen maximieren sollen?
Earning criteria — what you'll demonstrate
- Den klassischen Agenten-Begriff (Wahrnehmung, Entscheidung, Handlung) konkret umsetzen
- Regelbasierte und heuristische Entscheidungsverfahren gegeneinander testen
- Eine simulationsbasierte Evaluation aufsetzen, statt nur Beispiel-Sessions zu zeigen
- Eine Produktempfehlung aus quantitativen Vergleichen ableiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Introduction to Artificial Intelligence
Bachelor · Ai Ml
Fit score: 1
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.
AI Engineer
AI Engineers müssen Agenten-Architekturen souverän zwischen regelbasiert und heuristisch wählen. Diese Challenge gibt einen ersten praktischen Einstieg in genau diesen Vergleich.
Dieses Projekt schärft
- intelligent-agents
- rule-based-systems
- decision-heuristics
AI Product Manager
Die Übersetzung simulierter Ergebnisse in eine Produkt-Empfehlung ist exakt die Schnittstellenarbeit eines AI Product Managers — und gerade im EdTech-Kontext eine sehr realistische Tätigkeit.
Dieses Projekt schärft
- simulation
- evaluation-metrics
- decision-heuristics
Data Scientist
Synthetische Daten generieren, Agenten gegeneinander testen und die Ergebnisse quantitativ vergleichen sind klassische Schritte im Werkzeugkasten eines:einer Data Scientist:in.
Dieses Projekt schärft
- simulation
- python
- evaluation-metrics
Noch eine Sache