Randomisierter Streaming-Algorithmus für Frankfurter Anti-Betrugs-Pipeline
Übersicht
Worum es bei diesem Projekt geht.
Implementiere zwei randomisierte Streaming-Strukturen in Go oder Java: (1) HyperLogLog mit Sparse-Repräsentation für Distinct-Card-Count pro 5-Minuten-Fenster, (2) Count-Min-Sketch für Top-K-Karten pro Händler-Cluster. Sliding-Window via Bucket-basierter Rotation. Analysiere die probabilistischen Schranken (Standardfehler, Tail-Bounds) und vergleiche mit exakter Baseline auf 24 Stunden anonymisierter Transaktions-Replay-Daten. Liefere Code, einen 10-seitigen Bericht mit Schranken-Beweis und Empfehlung zur Alarm-Schwelle.
Das Briefing
Was Du tust und was Du zeigst.
Liefere eine Streaming-Pipeline, die 9.000 Tx/s verarbeitet, Distinct-Counts mit 1 Prozent Standardfehler und Top-K mit beweisbarer Tail-Bound — bei Sub-Sekunden-Latenz.
Earning criteria — what you'll demonstrate
- HyperLogLog und Count-Min-Sketch aus Originalpapern korrekt implementieren
- Probabilistische Schranken (Chernoff, Markov) auf konkrete Garantien anwenden
- Sliding-Window-Streaming-Strukturen entwerfen, ohne Speicher-Blowup
- Falsch-Positiv-Rate aus Schranken-Analyse in Alarm-Schwellen übersetzen
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 RollenNoch eine Sache