Kernel-SVM-Baseline für die Qualitätskontrolle in der Halbleiterfertigung
Übersicht
Worum es bei diesem Projekt geht.
Trainiere eine Kernel-SVM für Wafer-Qualitätskontrolle, tune Hyperparameter und vergleiche mit Random Forest. Du erhältst ein verifizierbares Zertifikat.
Das Szenario
Der Halbleiter-Hersteller (anonymisiert; rund 1.800 Mitarbeitende in Dresden) liefert Mikrocontroller an Automobil- und Industrie-Kunden; jede Reduktion der Fehlklassifikation um 1 Prozentpunkt entlastet rund zwei manuelle Reprüf-Plätze in der End-of-Line.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere eine Kernel-SVM auf Wafer-Messwerten, vergleiche fair gegen Random Forest und liefere eine roll-out-fähige Empfehlung für das Qualitäts-Engineering.
Earning criteria — what you'll demonstrate
- Kernel-SVM theoretisch begründet auf einem realen Industrie-Datensatz anwenden
- Geschachtelte Kreuzvalidierung als korrektes Tuning-Verfahren einsetzen
- Modell-Kalibrierung als eigenständige Qualitäts-Dimension messen
- Methoden-Wahl fair gegen eine reife Baseline verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Statistical Machine Learning
Master · Machine Learning
Strong alignment
This challenge maps to Statistical Machine Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Statistical Learning
Apply statistical learning to solve real industry problems and demonstrate production-level capability.
- Kernel Methods
Apply kernel methods to solve real industry problems and demonstrate production-level capability.
- Svm
Apply svm to solve real industry problems and demonstrate production-level capability.
- Cross Validation
Apply cross validation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Calibration
Apply model calibration 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
Klassische statistische Lernmethoden sauber anzuwenden und gegen Baselines fair zu vergleichen, ist Tagesarbeit für Data Scientists in Industrie-Qualitätskontroll-Settings.
Dieses Projekt schärft
- statistical-learning
- kernel-methods
- cross-validation
Maschinelles-Lernen-Ingenieur:in
Eine reproduzierbare Pipeline mit Kalibrierungs-Analyse und Roll-out-Vorschlag ist MLE-Tagesgeschäft in produktionsnahen Engineering-Teams.
Dieses Projekt schärft
- svm
- model-calibration
- python
Angewandte:r KI-Wissenschaftler:in
Modell-Empfehlungen für ein Engineering-Team verständlich aufzubereiten ist Brückenarbeit zwischen Forschung und Produkt, die angewandte KI-Wissenschaftler:innen leisten.
Dieses Projekt schärft
- statistical-learning
- model-calibration
- cross-validation
Noch eine Sache