Spark-Pipeline für Risiko-Scoring bei einem Frankfurter B2B-Fintech
Übersicht
Worum es bei diesem Projekt geht.
Portiere eine pandas-Risiko-Pipeline auf Spark, validiere Scores byte-identisch und reduziere die Laufzeit. Erhalte dein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Portiere eine pandas-basierte Risiko-Scoring-Pipeline auf Spark, reduziere die Laufzeit drastisch und halte die Score-Identität zur Baseline.
Earning criteria — what you'll demonstrate
- Spark-Pipelines für tatsächlich verteilte Aggregationen schreiben
- Performance-Engpässe in Spark-Jobs systematisch identifizieren und beheben
- Score-Identität zwischen zwei Implementierungen rigoros validieren
- Migrations-Empfehlungen für ein Engineering-Team schreiben
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning at Scale
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 RollenData Engineer
Eine pandas-Pipeline auf Spark zu portieren und die Score-Identität zur Baseline zu beweisen, ist die häufigste Tagesarbeit für Data Engineers in Fintech-Umgebungen.
Dieses Projekt schärft
- apache-spark
- distributed-computing
- data-validation
MLOps-Ingenieur:in
Performance-Tuning und reproduzierbare Batch-Pipelines sind Kern-MLOps-Aufgaben in Enterprise-Stacks.
Dieses Projekt schärft
- performance-tuning
- python
- data-validation
Maschinelles-Lernen-Ingenieur:in
Feature-Engineering verteilt sauber zu rechnen und gegen eine Referenz zu validieren ist Brückenkompetenz zwischen Data Engineering und ML-Engineering.
Dieses Projekt schärft
- feature-engineering
- apache-spark
- python
Noch eine Sache