Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 18 Monate halbstuendliche Daten von rund 120 Anlagen: meteorologische Vorhersage, historische Ertraege, Anlagenkonfiguration, Saison. Implementiere die drei Kandidaten, optimiere Hyperparameter mit verschachtelter Kreuzvalidierung (innere CV fuer Tuning, aeussere CV fuer ehrliche Schaetzung der Out-of-Sample-Fehler), und berichte mittleren absoluten Fehler (Mean Absolute Error, MAE) und mittleren absoluten prozentualen Fehler (Mean Absolute Percentage Error, MAPE) auf Tagesertraegen. Liefere eine 3-seitige Empfehlung mit Begruendung, warum ehrliche Out-of-Sample-Fehler wichtiger sind als bestes Tuning-Ergebnis.
Das Briefing
Was Du tust und was Du zeigst.
Wahle das produktionsreife Prognosemodell mit ehrlicher Schaetzung des Out-of-Sample-Fehlers.
Earning criteria — what you'll demonstrate
- Verschachtelte Kreuzvalidierung als Standard fuer ehrliche Modellselektion anwenden
- Den Unterschied zwischen Tuning-Fehler und Out-of-Sample-Fehler verinnerlichen
- Restfehleranalyse als Diagnoseinstrument einsetzen
- Ein Geschaeftsergebnis (Day-Ahead-Erlos) explizit aus dem Modellfehler herleiten
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 saubere Modellselektion mit verschachtelter Kreuzvalidierung statt Bauchgefuehl ist die Senior-Disziplin, die Energieversorger und Asset-Manager taeglich brauchen.
Dieses Projekt schärft
- model-selection
- cross-validation
- regression
ML Researcher
Ehrliche Out-of-Sample-Schaetzung und Restfehleranalyse sind methodische Standards, die Junior-ML-Researcher fuer ihre ersten internen Studien lernen muessen.
Dieses Projekt schärft
- model-selection
- cross-validation
- time-series
Machine Learning Engineer
Den ausgewaehlten Kandidaten produktionsreif zu uebergeben ist der naechste logische Schritt fuer eine:n ML-Engineer:in im Energiemarkt.
Dieses Projekt schärft
- xgboost
- python
- model-selection
Noch eine Sache