Übersicht
Worum es bei diesem Projekt geht.
Baue zwei Sudoku-Löser in Python (Backtracking + Logik) und vergleiche sie. Erhalte ein verifizierbares Zertifikat.
Das Szenario
Der Wissenschaftsverlag hat etwa 240 Mitarbeitende, sitzt im Raum Stuttgart und bringt jährlich rund 30 Lehrwerke heraus. Das interaktive KI-Buch ist Teil einer Bildungsoffensive für die universitäre Lehre und wird gemeinsam mit drei deutschen Universitäten getestet.
Das Briefing
Was Du tust und was Du zeigst.
Wie verhalten sich ein CSP-basierter Sudoku-Löser und eine reine logische Inferenz-Variante im Vergleich, und welches Verfahren ist für welchen didaktischen Zweck geeigneter?
Earning criteria — what you'll demonstrate
- Ein Realweltproblem als Constraint-Satisfaction-Problem formal modellieren
- Backtracking mit Heuristiken sinnvoll kombinieren und das Verhalten verstehen
- Logische Inferenz mit klar benannten Regeln aufbauen und ihre Grenzen erkennen
- Komplexitätsverhalten zweier Verfahren empirisch vergleichen und didaktisch erklären
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.
- Constraint Satisfaction
Apply constraint satisfaction to solve real industry problems and demonstrate production-level capability.
- Backtracking
Apply backtracking to solve real industry problems and demonstrate production-level capability.
- Logical Inference
Apply logical inference to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Algorithm Visualization
Apply algorithm visualization to solve real industry problems and demonstrate production-level capability.
- Complexity Analysis
Apply complexity analysis 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.
AI Engineer
CSP und logische Inferenz sind Standardbausteine im Werkzeugkasten eines:einer AI Engineers. Die Challenge übt beide Verfahren auf einem klar definierten Problem mit empirischem Vergleich.
Dieses Projekt schärft
- constraint-satisfaction
- backtracking
- logical-inference
Data Scientist
Auch Data Scientists müssen problemspezifisch zwischen klassischen Suchverfahren und Lernverfahren wählen können. Diese Challenge schärft genau diesen Blick durch den direkten Vergleich.
Dieses Projekt schärft
- algorithm-visualization
- complexity-analysis
- python
AI Product Designer
Die schrittweise Visualisierung und die didaktische Qualität des Begleitkapitels entsprechen der Schnittstellenarbeit eines AI Product Designers, der KI-Verhalten verständlich machen muss.
Dieses Projekt schärft
- algorithm-visualization
- logical-inference
- constraint-satisfaction
Noch eine Sache