Neuro-symbolischer Hybrid für die Erkennung regulatorischer Verstöße
Übersicht
Worum es bei diesem Projekt geht.
Baue eine Pipeline aus Transformer und Regel-Engine für 1.200 Compliance-Dokumente und vergleiche die Ergebnisse. Du erhältst ein verifizierbares Zertifikat.
Das Szenario
Der Anbieter (rund 90 Mitarbeitende, gewachsenes Spin-off) bedient mittelständische und große Finanzdienstleister in DACH; nachvollziehbare Begründungen sind seit dem EU-AI-Act ein zentrales Verkaufsargument.
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen neuro-symbolischen Compliance-Prüfer, der die Verstoß-Erkennung des reinen Transformer-Baselines auf Begründungs-Qualität klar schlägt.
Earning criteria — what you'll demonstrate
- Neuro-symbolische Hybride als Brücke zwischen lernender und regelbasierter KI entwerfen
- Logische Repräsentationen aus neuronalen Outputs aufbauen
- Symbolische Regel-Engines mit ML-Pipelines integrieren
- Begründungs-Qualität als separate Eval-Dimension empirisch messen
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.
- Neuro Symbolic
Apply neuro symbolic to solve real industry problems and demonstrate production-level capability.
- Logical Reasoning
Apply logical reasoning to solve real industry problems and demonstrate production-level capability.
- Knowledge Representation
Apply knowledge representation to solve real industry problems and demonstrate production-level capability.
- Transformers
Apply transformers to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Evaluation
Apply evaluation 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.
Forschungswissenschaftler:in
Neuro-symbolische Hybride sind ein aktives Forschungsfeld; eine praxisbezogene Studie ist starkes Portfolio-Material für entsprechende Forschungspositionen.
Dieses Projekt schärft
- neuro-symbolic
- logical-reasoning
- evaluation
KI-Sicherheits-Forscher:in
Nachvollziehbare Begründungen für Compliance-Entscheidungen zu liefern ist genau die Schnittstelle, an der KI-Sicherheits-Forschende in RegTech arbeiten.
Dieses Projekt schärft
- logical-reasoning
- knowledge-representation
- evaluation
Angewandte:r KI-Wissenschaftler:in
Hybrid-Architekturen in einer regulierten Branche zu entwerfen und gegen ML-Baselines zu vergleichen entspricht der Arbeit von angewandten KI-Wissenschaftlerinnen in RegTech.
Dieses Projekt schärft
- transformers
- neuro-symbolic
- knowledge-representation
Noch eine Sache