Regularisierte Regression für Preis-Modellierung in einem Frankfurter B2B-Marktplatz
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen Datensatz von rund 220.000 Listings mit 80 Features (Kategorie, Mengen, Lieferzeit, Lieferanten-Rating, historischer Preis) und realisiertem Verkaufspreis. Implementiere eine Elastic-Net-Regression mit log-transformierter Zielvariable und sauberer Behandlung kategorischer Variablen. Reportiere mittlere prozentuale Abweichung, R² und einen Erklärbarkeits-Vergleich (Top-10-Koeffizienten vs. Top-10-SHAP-Importances des Boosting-Modells) auf einem chronologischen Holdout-Set. Liefere die Pipeline, eine Auswertungstabelle und ein 3-seitiges Memo für das Vertriebsmanagement.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine regularisierte Regression als interpretierbare Preis-Empfehlung und vergleiche sie fair gegen das bestehende Boosting-Modell.
Earning criteria — what you'll demonstrate
- Regularisierte lineare Modelle mit Log-Transformation korrekt aufsetzen
- Kategorische Variablen ohne One-Hot-Explosion behandeln
- Interpretierbarkeit als eigenständige Qualitäts-Dimension messen
- Modell-Empfehlung mit operativem Trade-off (Vertrieb vs. Genauigkeit) verbinden
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 RollenData Scientist
Regularisierte Regression als interpretierbare Alternative zu Boosting zu bauen, ist klassische Data-Science-Arbeit in B2B-Pricing-Teams.
Dieses Projekt schärft
- regression
- regularization
- interpretability
Maschinelles-Lernen-Ingenieur:in
Eine leak-freie Pipeline mit Target-Encoding und chronologischem Holdout zu liefern, ist MLE-Tagesarbeit in Marketplace-Stacks.
Dieses Projekt schärft
- python
- evaluation
- regression
Angewandte:r KI-Wissenschaftler:in
Erklärbarkeits-Trade-offs in eine Vertriebs-relevante Empfehlung zu übersetzen, ist Brückenarbeit zwischen Modellbau und Geschäftsentscheidung.
Dieses Projekt schärft
- interpretability
- evaluation
- regularization
Noch eine Sache