Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen JSON-Graphen mit 200 Münchner Knoten (Kreuzungen) und Kanten (Wegabschnitte mit Distanz, Höhendifferenz und Fahrradweg-Indikator). Implementiere drei Suchverfahren in Python: Breitensuche (Breadth-First Search), Uniform-Cost-Search und A*-Suche mit einer eigens definierten Heuristik (geschätzter Restaufwand zum Ziel). Vergleiche die drei Verfahren auf zehn Beispiel-Routen anhand der Kennzahlen: Anzahl expandierter Knoten, gefundene Pfadlänge und Rechenzeit. Liefere ein Notebook plus eine kurze schriftliche Reflexion, warum A* die effizienteste Wahl ist, wenn die Heuristik admissibel bleibt (Heuristik darf den tatsächlichen Restaufwand nicht überschätzen).
Das Briefing
Was Du tust und was Du zeigst.
Welches der drei klassischen Suchverfahren liefert auf einem Münchner Stadtgraphen die beste Kombination aus Pfadqualität und Recheneffizienz?
Earning criteria — what you'll demonstrate
- Suchprobleme als Zustandsraum mit Aktionen und Kosten formalisieren
- BFS, UCS und A* korrekt implementieren und ihre Garantien benennen
- Eine eigene Heuristik entwerfen und auf Admissibilität prüfen
- Suchverfahren empirisch und nicht nur theoretisch vergleichen
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.
AI Engineer
Suchverfahren und Graphen sind das Fundament jeder AI-Engineer-Arbeit, von Routenplanung bis Spielebau. Diese Challenge übt die Implementierung und den empirischen Vergleich auf einem realistischen Stadtgraphen.
Dieses Projekt schärft
- graph-search
- a-star-algorithm
- python
Machine Learning Engineer
Auch Machine Learning Engineers brauchen ein solides Verständnis klassischer Algorithmen — viele Produktionssysteme kombinieren Suche mit ML. Diese Challenge legt die Grundlage für genau diese Hybridarchitekturen.
Dieses Projekt schärft
- algorithmic-thinking
- python
- complexity-analysis
Data Scientist
Ein:e Data Scientist:in muss Suchprobleme erkennen können, um die richtige Klasse von Werkzeugen zu wählen. Die Heuristik-Reflexion und der empirische Vergleich schärfen genau dieses Auge.
Dieses Projekt schärft
- heuristic-design
- complexity-analysis
- python
Noch eine Sache