Transformer-Klassifikator für Kundenservice-Mails in einem Energiehandel
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 18.000 gelabelte Mails (6 Klassen, anonymisiert). Trainiere einen deutschen BERT (z. B. GBERT oder dbmdz/bert-base-german-cased), vergleiche gegen TF-IDF + logistische Regression und berichte Macro-F1 + pro-Klasse-F1. Implementiere Confidence-basiertes Routing: auto-routen bei ≥ 90 %, sonst zur Schichtleitung. Liefere eine Empfehlung, mit welchen Klassen das Routing zuerst produktiv geht.
Das Briefing
Was Du tust und was Du zeigst.
Wie klassifiziert man deutschsprachige Service-Mails in 6 Klassen so, dass Auto-Routing die Antwortzeit bei dringenden Lieferproblemen halbiert?
Earning criteria — what you'll demonstrate
- Transformer-Fine-Tuning auf deutschen Texten sauber durchführen
- Gegen eine ehrliche TF-IDF-Baseline benchen
- Confidence-Schwellenwerte pro Klasse für Routing wählen
- Geschäfts-Effekt (Antwortzeit) in der Empfehlung quantifizieren
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 RollenNLP Engineer
Deutschsprachige Klassifikation mit BERT und Confidence-Routing ist das kanonische erste NLP-Engineer-Projekt — die Challenge produziert genau dieses Portfolio-Stück.
Dieses Projekt schärft
- transformer-architectures
- text-classification
- fine-tuning
Machine Learning Engineer
Confidence-basiertes Routing und Schwellenwert-Wahl gehören zum täglichen ML-Engineering in produktiven NLP-Systemen.
Dieses Projekt schärft
- text-classification
- confidence-thresholding
- model-evaluation
Applied AI Scientist
Empfehlungen mit Antwortzeit-Effekt zu untermauern ist genau die Geschäfts-Brücke, die angewandte KI-Wissenschaftler:innen täglich schlagen.
Dieses Projekt schärft
- text-classification
- model-evaluation
- transformer-architectures
Noch eine Sache