Lieferzeit-Prognose für einen Hamburger Logistikdienstleister verbessern
Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten eine Parquet-Datei mit etwa 800.000 Sendungen (Abholzeit, Übergabezeit, Empfänger-PLZ, Gewicht, Sendungsart, Wetterdaten aus DWD). Reinigen Sie Ausreißer und Geschäftsfeiertage, konstruieren Sie sinnvolle Features (Tageszeit, Wochentag, PLZ-Cluster) und bauen Sie ein Gradient-Boosting-Modell, das die Lieferzeit in Stunden vorhersagt. Erfolg ist eine mittlere absolute Abweichung (MAE) unter vier Stunden auf einer zeitlich getrennten Testperiode plus eine ehrliche Fehleranalyse für die 5 Prozent schlimmsten Fehlprognosen. Liefern Sie ein Streamlit-Dashboard für die Disposition, das die Schätzung pro Sendung mit Konfidenzintervall zeigt.
Das Briefing
Was Du tust und was Du zeigst.
Wie lässt sich die Lieferzeit-Prognose pro Sendung so verbessern, dass die mittlere Abweichung unter vier Stunden fällt und die Disposition damit täglich arbeiten kann?
Earning criteria — what you'll demonstrate
- Komplexe Zeitreihen-Features aus Betriebs- und Wetterdaten konstruieren
- Regressionsmodelle ehrlich validieren und Fehler analysieren
- Konfidenzintervalle in einer operativen Oberfläche kommunizieren
- Aus einem prototypischen Modell einen Betriebsentwurf ableiten
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
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
Eine vollständige Regressionsmodellierung mit ehrlicher Fehleranalyse auf operativ relevanten Daten ist das Standardrepertoire einer Data Scientist im zweiten Jahr.
Dieses Projekt schärft
- regression-modeling
- feature-engineering
- model-evaluation
Machine Learning Engineer
Der Betriebsentwurf für ein wöchentlich nachtrainiertes Modell mit klaren Datenflüssen ist eine Vorbereitung auf die Produktionspipelines, die MLEs danach bauen.
Dieses Projekt schärft
- python
- model-evaluation
- data-wrangling
Applied AI Scientist
Domänenfeatures aus Betrieb und Wetter mit der Geschäftslogik der Disposition zu verknüpfen ist genau das, was Applied AI Scientists in Industrie-Setups leisten.
Dieses Projekt schärft
- feature-engineering
- regression-modeling
- data-visualization
Noch eine Sache