Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen VAE zur Anomalie-Erkennung auf Bankdaten, vergleiche Methoden und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Quantifiziere, ob ein VAE als zusätzlicher Anomalie-Layer Genossenschaftsbank-Überweisungsfilter messbar verbessert ohne die Alert-Rate aus dem Ruder laufen zu lassen.
Earning criteria — what you'll demonstrate
- VAEs als generative Modelle für Anomalie-Erkennung anwenden
- Feature-Engineering für Tabellen-Transaktionsdaten sauber aufsetzen
- Anomalie-Verfahren über klassische Metriken fair vergleichen
- Risk-relevante Empfehlungen mit transparenten Annahmen formulieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Generative AI
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 Scientist
Generative Anomalie-Erkennung auf realen Finanzdaten zu liefern und gegen Bestandssysteme zu benchmarken ist eines der typischen Erstprojekte für Data Scientists in Banken-Risk-Teams.
Dieses Projekt schärft
- vae
- anomaly-detection
- feature-engineering
ML-Ingenieur:in
Ein VAE als wartbaren zusätzlichen Inferenz-Layer zu liefern entspricht der Engineering-Praxis, die ML-Ingenieurinnen in Compliance-IT brauchen.
Dieses Projekt schärft
- pytorch
- generative-models
- evaluation
Angewandte:r KI-Wissenschaftler:in
Eine generative Methodik in eine risk-relevante Empfehlung zu übersetzen ist exemplarisch für angewandte KI-Arbeit in regulierten Finanzdienstleistern.
Dieses Projekt schärft
- vae
- anomaly-detection
- evaluation
Noch eine Sache