Übersicht
Worum es bei diesem Projekt geht.
Baue einen Knowledge-Graph aus Lernenden, Kursen und Themen, trainiere Embedding-Modelle für Empfehlungen und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Belege, ob Knowledge-Graph-Embeddings für die Bildungs-Streaming-Plattform die Cold-Start-Empfehlungen messbar verbessern.
Earning criteria — what you'll demonstrate
- Knowledge-Graph-Embeddings auf reale Produkt-Daten anwenden
- Cold-Start-Segmente als separate Eval-Dimension herauslesen
- TransE und DistMult bewusst gegeneinander stellen und Trade-offs erklären
- Empfehlungsmodelle für ein Produkt-Team handlungsleitend dokumentieren
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.
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 RollenData Scientist
Recommendation-Systeme auf Knowledge-Graphen aufzusetzen ist eine wachsende Verantwortung für Data Scientists in EdTech- und Streaming-Plattformen.
Dieses Projekt schärft
- knowledge-graphs
- recommendations
- evaluation
ML-Ingenieur:in
Knowledge-Graph-Embeddings produktiv zu trainieren und zu evaluieren ist Standard-Engineering-Arbeit in Recommender-Teams.
Dieses Projekt schärft
- graph-embeddings
- transe
- distmult
Angewandte:r KI-Wissenschaftler:in
Cold-Start-Forschung mit echten Produktdaten und einer A/B-Test-Empfehlung zu verbinden entspricht angewandter KI-Arbeit in produktnahen Teams.
Dieses Projekt schärft
- recommendations
- knowledge-graphs
- evaluation
Noch eine Sache