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 Szenario
Der Marktplatz (Series-D-finanziert, profitabel auf EBITDA-Ebene) sieht in personalisierten Empfehlungen den größten Hebel für die Steigerung der Repeat-Rate — die Kategorie-Click-Through-Rate liegt aktuell bei 4,8 %.
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.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Recommendation Systems
Apply recommendation systems to solve real industry problems and demonstrate production-level capability.
- Collaborative Filtering
Apply collaborative filtering to solve real industry problems and demonstrate production-level capability.
- Matrix Factorization
Apply matrix factorization to solve real industry problems and demonstrate production-level capability.
- Ab Testing
Apply ab testing to solve real industry problems and demonstrate production-level capability.
- Evaluation Metrics
Apply evaluation metrics 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.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Data 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