Kreditrisiko-Scoring fuer einen regionalen Kreditgeber
Übersicht
Worum es bei diesem Projekt geht.
Trainiere Logistische Regression und Random Forest mit 35.000 Kreditfällen, vergleiche beide Modelle und erhalte ein verifizierbares Zertifikat.
Das Szenario
Die Genossenschaft (rund 220 Beschaeftigte, 9 Filialen) prueft jaehrlich rund 14 000 Kreditantraege und sucht nach einem messbaren Hebel, um Defaultkosten von rund 2 Millionen Euro im Jahr zu senken.
Das Briefing
Was Du tust und was Du zeigst.
Senke das jaehrliche Ausfallvolumen, ohne die Annahmequote zu druecken — und dokumentiere, dass das Modell keine geschuetzten Merkmale missbraucht.
Earning criteria — what you'll demonstrate
- Out-of-Time-Validierung von einer naiven Zufallsaufteilung unterscheiden und richtig anwenden
- Klassifikations-Schwellwerte an einer geschaeftlichen Kapazitaet ausrichten
- Eine Logistische Regression als gut interpretierbare Basislinie verteidigen
- Faire ML-Praxis (Pruefung auf geschuetzte Merkmale) als Hygienefrage behandeln, nicht als Add-on
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning (Undergraduate)
Bachelor · Machine Learning
Strong alignment
This challenge maps to Machine Learning (Undergraduate) at the Bachelor 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.
- Supervised Learning
Apply supervised learning to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation 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.
- Fairness Evaluation
Apply fairness evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Scikit Learn
Apply scikit learn 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
Out-of-Time-Validierung, geschaeftsorientierte Schwellwerte und eine Fairness-Pruefung zu liefern unterscheidet eine ernstzunehmende Data-Scientist:in im Finanzsektor von einer Notebook-Bastlerin.
Dieses Projekt schärft
- supervised-learning
- model-evaluation
- fairness-evaluation
Applied AI Scientist
Ein Modell so gegen eine konkrete operative Schwelle zu evaluieren, dass der Vorstand entscheiden kann, ist die typische Uebersetzungsleistung angewandter KI-Arbeit.
Dieses Projekt schärft
- model-evaluation
- feature-engineering
- supervised-learning
AI Safety Researcher
Gruppen-Fairness in einer realen Kreditanwendung zu pruefen und Risiken sauber zu benennen ist eine direkte Aufgabe junger AI-Safety-Forscher:innen in regulierten Branchen.
Dieses Projekt schärft
- fairness-evaluation
- model-evaluation
- python
Noch eine Sache