Regularisierte Regression für Preis-Modellierung in einem Frankfurter B2B-Marktplatz
Übersicht
Worum es bei diesem Projekt geht.
Trainiere ein Elastic-Net-Modell zur Preisvorhersage auf einem B2B-Marktplatz und vergleiche SHAP-Importances – erhalte ein verifizierbares Zertifikat
Das Szenario
Der B2B-Marktplatz (anonymisiert; rund 95 Mitarbeitende, Series B) verbindet Industrie-Kund:innen mit europäischen Komponenten-Lieferanten; jede Verbesserung der Preis-Empfehlung verkürzt die Verhandlungs-Zeit und erhöht die Annahmequote der Listings.
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.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Regression
Apply regression to solve real industry problems and demonstrate production-level capability.
- Regularization
Apply regularization to solve real industry problems and demonstrate production-level capability.
- Statistical Learning
Apply statistical learning to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Interpretability
Apply interpretability to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation 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
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