Multi-Task-Learning fuer einen E-Commerce-Recommender
Übersicht
Worum es bei diesem Projekt geht.
Trainiere zwei Architekturen für einen E-Commerce-Recommender und bewerte ROC-AUC, Kosten und Latenz. Erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Pruefe, ob Multi-Task-Learning die drei separaten Recommender-Modelle ersetzen kann, ohne pro Aufgabe an Genauigkeit zu verlieren.
Earning criteria — what you'll demonstrate
- Multi-Task-Learning mit Shared Backbones implementieren
- Task-Heads und Verlustfunktions-Gewichtung methodisch sauber waehlen
- Wartungsaufwand als Bewertungsachse neben Modellguete fuehren
- Architektur-Entscheidungen gegen ein kleines Daten-Team verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Meta-Learning, Transfer Learning, and Multi-Task Learning
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 RollenMachine Learning Engineer
Multi-Task-Architekturen zu konzipieren und wartungsorientiert zu verteidigen ist Senior-ML-Engineer-Arbeit in kleinen Daten-Teams.
Dieses Projekt schärft
- multi-task-learning
- neural-networks
- pytorch
ML Researcher
Task-Interferenz und Loss-Gewichtung methodisch zu analysieren ist eine ML-Forschungsfrage, die direkt in produktive Empfehlungs-Systeme einfliesst.
Dieses Projekt schärft
- multi-task-learning
- model-evaluation
- neural-networks
Applied AI Scientist
Wartungsaufwand als ehrliche Bewertungsachse neben Genauigkeit zu fuehren ist Senior-applied-AI-Disziplin.
Dieses Projekt schärft
- model-evaluation
- feature-engineering
- multi-task-learning
Noch eine Sache