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 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 · 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.
Karrierewege, die das aufbaut
Kanonische RollenData 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