Skip to contentSkip to content
Verifizierte Zertifikate. On-Chain. Für immer.Mehr erfahren
Ewance
Anmelden
Cover image for Off-Policy-Evaluation fuer Recommender-Wechsel bei Stuttgarter Streamingdienst
Analysis

Off-Policy-Evaluation fuer Recommender-Wechsel bei Stuttgarter Streamingdienst

FreeVerified credential2 WochenAdvanced

Übersicht

Worum es bei diesem Projekt geht.

Implementiere vier OPE-Schätzer für einen Streamingdienst und vergleiche sie per A/B-Test. Erhalte ein verifizierbares Zertifikat.

Das Szenario

Ein produktiv falscher Recommender-Wechsel kostet den Dienst geschaetzt 2 Prozent Hoerzeit ueber 4 Wochen — bei rund 18 Millionen Werbeeuro pro Jahr ein materielles Risiko. OPE ist die einzige Methode, die das Risiko vor einem Vollausrollen begrenzt.

CredentialBlockchain-anchored
ShareableLinkedIn-ready
LanguageEnglish
PaceSelf-paced

Das Briefing

Was Du tust und was Du zeigst.

Vergleiche Off-Policy-Evaluation-Schaetzer auf realen Recommender-Logs und empfehle ein Verfahren fuer Pre-Launch-Bewertung neuer Policies.

Earning criteria — what you'll demonstrate

  • Off-Policy-Evaluation als Bruecke zwischen Offline-Lernen und produktivem Einsatz verstehen
  • Importance Sampling und Doubly-Robust-Schaetzer korrekt implementieren
  • OPE-Schaetzer in Bias und Varianz quantitativ vergleichen
  • Recommender-Wechsel-Risiko vor einem Voll-Rollout messbar reduzieren

Studienpassung

Wo dies in Dein Studium passt.

Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.

Studienzuordnung folgt in Kürze.

Karrieren

Berufe, auf die dies Dich vorbereitet.

Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.

Data Scientist

Off-Policy-Evaluation auf produktiven Recommender-Logs sauber durchzufuehren ist eine seltene und sehr nachgefragte Faehigkeit fuer Data Scientists in Streaming-, E-Commerce- und Ad-Tech-Firmen.

Dieses Projekt schärft

  • off-policy-evaluation
  • importance-sampling
  • contextual-bandits

Applied AI Scientist

OPE als verantwortliche Pre-Launch-Methode zu argumentieren und Bias-Varianz-Trade-offs auszuweisen ist Kerngebiet von Applied AI Scientists in Recommender-Teams.

Dieses Projekt schärft

  • off-policy-evaluation
  • doubly-robust
  • model-evaluation

Machine Learning Engineer

OPE produktionsreif zu paketieren und in einer CI-Pipeline fuer neue Policy-Versionen einzubetten ist eine starke ML-Engineer-Aufgabe in Recommender-Plattformen.

Dieses Projekt schärft

  • contextual-bandits
  • model-evaluation
  • python

Noch eine Sache

Du kannst ein Zertifikat bis Freitag in Deinem Lebenslauf haben.