Predictive Maintenance fuer einen Mittelstandsmaschinenbauer
Übersicht
Worum es bei diesem Projekt geht.
Du analysierst Sensordaten, erstellst Features und trainierst ein Ausfallvorhersagemodell für 48 Stunden. Erhältst ein verifizierbares Zertifikat.
Das Szenario
Der Maschinenbauer (rund 600 Beschaeftigte, Familienunternehmen in 3. Generation) hat seit zwei Jahren ein eigenes IoT-Team und sucht den ersten greifbaren ML-Use-Case, der den ROI rechtfertigt.
Das Briefing
Was Du tust und was Du zeigst.
Sage Spindelausfaelle mit nutzbarer Vorlaufzeit voraus und entscheide datenbasiert ueber den Produktionsbau.
Earning criteria — what you'll demonstrate
- Aus Zeitreihen-Rohdaten geeignete Lernfeatures auf festen Fenstern erzeugen
- Eine Klassifikationsaufgabe mit zeitlicher Komponente sauber splitten (zeitliche Train/Test-Trennung)
- Modellqualitaet ueber geschaeftsrelevante Metriken (Vorlaufzeit) statt nur ROC-AUC bewerten
- Eine technische Empfehlung schriftlich gegen ein Budget verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning (Undergraduate)
Bachelor · Machine Learning
Strong alignment
This challenge maps to Machine Learning (Undergraduate) at the Bachelor level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Supervised Learning
Apply supervised learning to solve real industry problems and demonstrate production-level capability.
- Time Series
Apply time series to solve real industry problems and demonstrate production-level capability.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Xgboost
Apply xgboost 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.
Machine Learning Engineer
Sensordaten in eine Trainings-Pipeline ueberfuehren, ein robustes Modell bauen und die Produktionstauglichkeit verteidigen ist die taegliche Arbeit eines ML Engineers in industriellen IoT-Teams.
Dieses Projekt schärft
- supervised-learning
- feature-engineering
- xgboost
Data Scientist
Zeitreihen sauber zu splitten und mit geschaeftsrelevanten Metriken (Vorlaufzeit) statt mit ML-Default-Metriken zu bewerten unterscheidet eine erfahrenere Data-Scientist:in vom Lehrbuchanwender.
Dieses Projekt schärft
- time-series
- model-evaluation
- feature-engineering
MLOps Engineer
Die Saubere Pipeline von Rohdaten ueber Features bis zum bewerteten Modell ist die Vorstufe einer produktiven MLOps-Pipeline, in die spaeter Monitoring und Retraining gehaengt werden.
Dieses Projekt schärft
- python
- model-evaluation
- feature-engineering
Noch eine Sache