Q-Learning fuer Lagerwagen-Disposition bei Hamburger Logistiker
Übersicht
Worum es bei diesem Projekt geht.
Baue einen Logistik-Simulator in Python und trainiere einen Q-Learning-Agenten für die Lagerwagen-Disposition. Erhalte ein verifizierbares Zertifikat.
Das Szenario
Das Distributionslager handhabt rund 3.200 Paletten pro Tag; eine Reduktion der durchschnittlichen Wartezeit pro Auftrag von 80 Sekunden auf unter 60 wuerde rund 14 zusaetzliche Paletten pro Stunde Durchsatz ermoeglichen.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere einen Q-Learning-Agenten fuer Lagerwagen-Disposition und uebertrifff regelbasierte Baselines in durchschnittlicher Wartezeit.
Earning criteria — what you'll demonstrate
- MDP-Formulierung fuer ein industrielles Problem entwerfen
- Tabellarisches Q-Learning mit Epsilon-Greedy stabil trainieren
- Exploration-Exploitation-Trade-off ueber Lernkurven analysieren
- RL-Ergebnisse gegen regelbasierte Baselines ehrlich vergleichen
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.
- Q Learning
Apply q learning to solve real industry problems and demonstrate production-level capability.
- Markov Decision Processes
Apply markov decision processes to solve real industry problems and demonstrate production-level capability.
- Exploration Exploitation
Apply exploration exploitation to solve real industry problems and demonstrate production-level capability.
- Simulation
Apply simulation to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Evaluation
Apply model 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.
Machine Learning Engineer
Ein RL-Setup von MDP-Formulierung ueber Simulator bis Agent-Training auf einem industriellen Use Case zu liefern ist Kerngebiet von ML Engineers in Logistik- und Industrie-RL-Teams.
Dieses Projekt schärft
- q-learning
- markov-decision-processes
- simulation
Applied AI Scientist
Tabellarisches Q-Learning als Baseline-Verstaendnis vor Function-Approximation aufzubauen und ehrlich gegen regelbasierte Methoden zu argumentieren ist klassische Applied-AI-Arbeit.
Dieses Projekt schärft
- q-learning
- exploration-exploitation
- model-evaluation
ML Researcher
RL-Experimente ueber mehrere Seeds mit ehrlicher Varianz-Berichterstattung durchzufuehren ist Standardhandwerk in RL-Forschungsgruppen.
Dieses Projekt schärft
- q-learning
- simulation
- model-evaluation
Noch eine Sache