Übersicht
Worum es bei diesem Projekt geht.
Du erhaeltst 6 Monate Spotmarkt- und Regelleistungspreise (15-Minuten-Aufloesung) sowie eine Batterie-Spezifikation (Kapazitaet, Lade-/Entlade-Wirkungsgrad, Zyklus-Kostenmodell). Definiere die Umgebung: State (Ladezustand, aktueller Preis, Tageszeit, Wochentag, Preis-Rolling-Window), Action (Lade-/Entlade-Leistung in 5 diskreten Stufen) und Reward (Margenbeitrag minus Zyklusverschleiss-Kosten). Implementiere REINFORCE mit baseline-Schaetzung. Vergleiche gegen eine deterministische Threshold-Strategie ('Lade bei Preis unter X, entlade ueber Y'). Berichte taeglichen Deckungsbeitrag auf einem Out-of-Sample-Monat plus Sharpe-Ratio.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere einen Policy-Gradient-Agenten fuer den Bidding-Entscheid einer Batteriespeicher-Flotte und uebertrifff eine Threshold-Baseline.
Earning criteria — what you'll demonstrate
- Policy Gradient Methoden (REINFORCE) verstehen und stabil trainieren
- Funktionsapproximation mit neuronalem Policy-Netz einsetzen
- Reward Shaping fuer Wirtschaftsanwendungen verantwortlich gestalten
- Backtests gegen einfache, starke Baselines fair durchfuehren
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 RollenMachine Learning Engineer
RL auf reale Energiemarktdaten anzuwenden und Backtests gegen einfache Baselines ehrlich zu kommunizieren ist ein wertvolles Profil fuer ML Engineers in der Energiebranche.
Dieses Projekt schärft
- policy-gradient
- function-approximation
- energy-markets
Applied AI Scientist
Policy-Gradient-Methoden in einem realen Markt mit Geld-Risiko zu validieren ist Kerngebiet von Applied AI Scientists in Energy- und Quant-Teams.
Dieses Projekt schärft
- policy-gradient
- reinforce
- model-evaluation
Data Scientist
Walk-forward-Backtests, Sharpe-Ratio und Transaktionskostenmodellierung sind Kompetenzen, die Data Scientists in quant-nahen Energieteams taeglich brauchen.
Dieses Projekt schärft
- energy-markets
- model-evaluation
- function-approximation
Noch eine Sache