Übersicht
Worum es bei diesem Projekt geht.
Du feintunst mt5-base auf 50.000 Headlines, vergleichst mit GPT-4o und erhältst ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Welche seq2seq-Variante liefert die beste Kombination aus Headline-Qualität, Latenz und Kosten für eine deutsche Nachrichten-App im 280.000-Push/Tag-Volumen?
Earning criteria — what you'll demonstrate
- seq2seq-Modelle für Summarization praktisch fine-tunen
- Zwei automatische Summarization-Metriken (ROUGE, BERTScore) korrekt anwenden
- Human-Eval als Goldstandard sauber durchführen
- Build-vs-Buy-Argumentation mit echten Kostendaten führen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Neural Networks for NLP
Master · Ai Ml
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 RollenNLP-Ingenieur:in
Seq2seq-Fine-Tuning + Build-vs-Buy-Argumentation ist genau das Profil, das produktnahe NLP-Teams in Medien-Unternehmen 2026 suchen.
Dieses Projekt schärft
- seq2seq
- summarization
- mt5
Machine-Learning-Ingenieur:in
Wer ROUGE-Kritik versteht, BERTScore einsetzt und Kostenanalyse beilegt, hebt sich von MLEs ab, die nur Modelle trainieren.
Dieses Projekt schärft
- fine-tuning
- rouge-evaluation
- cost-analysis
KI-Ingenieur:in
API-vs-Self-Host-Vergleiche mit echten Kostenmodellen sind ein häufiger AI-Engineer-Auftrag in GenAI-Startups — diese Erfahrung übersetzt direkt.
Dieses Projekt schärft
- seq2seq
- cost-analysis
- summarization
Noch eine Sache