Randomisierter Min-Cut-Algorithmus für Streaming-Graph-Analyse
Übersicht
Worum es bei diesem Projekt geht.
Implementiere Karger, Karger-Stein und Stoer-Wagner, benchmarke auf 5 Graph-Klassen, erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Wie viele Wiederholungen von Karger-Stein sind nötig, um auf realen Social-Graphen mit 99-%-Konfidenz den Min-Cut zu finden, und wie schlägt sich das Verfahren gegen Stoer-Wagner in Praxislaufzeit?
Earning criteria — what you'll demonstrate
- Randomisierte Graphalgorithmen korrekt und effizient implementieren
- Erfolgswahrscheinlichkeiten randomisierter Verfahren empirisch messen
- Verstärkungs-Argumente (Repetition Boost) konkret quantifizieren
- Algorithmen-Auswahl für ein Produkt-Team mit Daten begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Randomized Algorithms
Master · Cs Se
Fit score: 1
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 RollenSoftwareentwickler:in
Ein konkreter Vergleich randomisiert vs. deterministisch für einen Graphalgorithmus ist eine seltene Code-Probe, die in Algorithmus-zentrierten Senior-Interviews positiv auffällt.
Dieses Projekt schärft
- randomized-algorithms
- graph-algorithms
- python
Data Engineer:in
Graph-Analytics-Pipelines profitieren massiv von randomisierten Vorfiltern — wer die Methodik beherrscht, kann Pipeline-Architektur sichtbar verbessern.
Dieses Projekt schärft
- graph-algorithms
- performance-benchmarking
- python
Noch eine Sache