Recommendation-System für einen DACH-E-Commerce-Marktplatz
Übersicht
Worum es bei diesem Projekt geht.
Implementiere Item-kNN, Matrix Factorization und LightFM für einen E-Commerce-Marktplatz und erhalte ein verifizierbares Zertifikat
Das Briefing
Was Du tust und was Du zeigst.
Wie ersetzt man eine Regel-basierte Kategorie-Empfehlung durch ein Hybrid-Recommender-System und entwirft einen statistisch belastbaren A/B-Test?
Earning criteria — what you'll demonstrate
- Collaborative- und Content-Based-Filtering kombinieren statt isoliert anwenden
- Implicit-Feedback-Daten korrekt für MF und LightFM aufbereiten
- Offline-Metriken gegen Geschäftsziele kalibrieren (Coverage zählt!)
- A/B-Tests mit Stratifikation und Power-Analyse designen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Data Mining and Information Retrieval
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 RollenData Scientist
Ein Hybrid-Recommender mit ehrlicher Offline-Evaluation und A/B-Test-Design ist das Standard-Portfolio-Stück für E-Commerce-Data-Science-Stellen im DACH-Raum.
Dieses Projekt schärft
- recommendation-systems
- collaborative-filtering
- evaluation-metrics
AI Engineer
AI Engineers, die Recommender-Modelle produktiv betreiben, brauchen genau diese Mischung aus Modell-Training und A/B-Test-Diszipliniertheit.
Dieses Projekt schärft
- matrix-factorization
- recommendation-systems
- ab-testing
Produktmanager:in
Produkt-Manager:innen mit Verständnis für Empfehlungs-Metriken und A/B-Power-Analyse können mit Data-Teams auf Augenhöhe arbeiten — eine selten saubere Skill-Kombination.
Dieses Projekt schärft
- ab-testing
- evaluation-metrics
- recommendation-systems
Noch eine Sache