Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein XGBoost-Modell auf 24.000 Kreditanträgen, optimiere für AUC-PR und erstelle SHAP-Werte. Abschluss: verifizierbares Zertifikat.
Das Szenario
Das Fintech wurde 2022 gegründet, hat rund 45 Mitarbeitende und sitzt im Berliner Stadtteil Mitte. Es operiert unter einer eigenen BaFin-Lizenz (Bundesanstalt für Finanzdienstleistungsaufsicht — deutsche Finanzaufsicht) und muss Kreditentscheidungen sowohl betriebswirtschaftlich als auch regulatorisch nachvollziehbar dokumentieren.
Das Briefing
Was Du tust und was Du zeigst.
Wie lässt sich ein Kreditrisiko-Scoringmodell bauen, das die manuelle Bearbeitungszeit halbiert, regulatorisch nachvollziehbar ist und keine Untergruppe systematisch benachteiligt?
Earning criteria — what you'll demonstrate
- Ein Klassifikationsmodell auf einem realistisch unausgeglichenen Finanzdatensatz robust trainieren
- Modellinterpretierbarkeit mit SHAP-Werten für eine regulierte Branche aufbereiten
- Fairness-Metriken methodisch korrekt berechnen und einordnen
- Ein produktreifes Modell mit einer aussagekräftigen Model Card dokumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
AI and Quantitative Finance
Master · Applied Ai
Strong alignment
This challenge maps to AI and Quantitative Finance 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.
- Classification
Apply classification to solve real industry problems and demonstrate production-level capability.
- Xgboost
Apply xgboost to solve real industry problems and demonstrate production-level capability.
- Shap
Apply shap to solve real industry problems and demonstrate production-level capability.
- Model Fairness
Apply model fairness to solve real industry problems and demonstrate production-level capability.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Documentation
Apply model documentation 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
Die Kombination aus Klassifikationsmodell, Erklärbarkeit und Fairness-Analyse spiegelt direkt das Tagesgeschäft eines Data Scientists in Risk Analytics bei einer Bank, einem Fintech oder einer Versicherung wider.
Dieses Projekt schärft
- classification
- xgboost
- shap
Machine Learning Engineer
Ein Machine Learning Engineer in einem regulierten Umfeld muss Modelle nicht nur trainieren, sondern auch fair, dokumentiert und reproduzierbar ausliefern — exakt die Anforderungen dieser Challenge.
Dieses Projekt schärft
- feature-engineering
- python
- model-documentation
AI Engineer
AI Engineers verantworten oft die Schnittstelle zwischen Modell, Compliance und Produkt; die geforderte Model Card und das Fairness-Reporting sind klassische Artefakte dieser Rolle.
Dieses Projekt schärft
- model-documentation
- model-fairness
- shap
Noch eine Sache