Vorhersagemodell für Schulungsabbrüche in einer DACH-Konzern-Akademie
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen anonymisierten Datensatz mit Teilnahme-Logs (Login-Frequenz, abgeschlossene Module, Forum-Aktivität), Teilnehmer-Metadaten (Funktion, Standort, vorhergehende Trainings) und Abbruch-Markern für 4.200 abgeschlossene Kohorten. Trainiere ein erklärbares Klassifikationsmodell (Logistische Regression oder ein flaches XGBoost) und berechne SHAP-Werte (SHapley Additive exPlanations — modellagnostische Beitragswerte je Merkmal) für die fünf wichtigsten Treiber. Erstelle eine Fairness-Analyse für die Schutz-Untergruppen Geschlecht, Altersband, Funktionsbereich. Validiere den Datenschutz-Pfad mit der Konzern-Datenschutzbeauftragten und liefere einen Mentor:innen-Einsatzleitfaden, der die Schwellenwerte und die genaue Ansprach-Sprache vorschlägt.
Das Briefing
Was Du tust und was Du zeigst.
Wie sieht ein erklärbares Vorhersagemodell für Schulungsabbrüche aus, das ab Tag 7 belastbare Frühwarnungen liefert und vom Konzernbetriebsrat freigegeben werden kann?
Earning criteria — what you'll demonstrate
- Erklärbare Vorhersagemodelle für Lerndaten unter Datenschutz-Bedingungen bauen
- SHAP-Werte zur Stakeholder-Kommunikation nutzen, nicht nur zur Modell-Diagnose
- Fairness-Analyse als integralen Bestandteil eines People-Analytics-Modells verankern
- Den Sprung von Modell-Output zu Mentor:innen-Handlung methodisch begründen
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.
Data Scientist
Erklärbare Vorhersagemodelle für Lerndaten unter Datenschutz-Bedingungen zu bauen und gegenüber dem Betriebsrat zu verteidigen ist das Kerngeschäft eines Data Scientists in Corporate-People-Analytics.
Dieses Projekt schärft
- predictive-modeling
- explainable-ai
- learning-analytics
Applied AI Scientist
Den Sprung von Modell-Output zu Mentor:innen-Handlung methodisch zu begründen ist die translatorische Arbeit, die Applied AI Scientists in Corporate-L&D-Einheiten leisten.
Dieses Projekt schärft
- predictive-modeling
- learning-analytics
- stakeholder-engagement
KI-Sicherheitsforscher:in
Fairness-Analyse als integralen Bestandteil eines People-Analytics-Modells zu verankern, ist genau die Verantwortungs-Disziplin, die KI-Sicherheitsforscher:innen in regulierten Branchen einbringen.
Dieses Projekt schärft
- fairness-analysis
- explainable-ai
- stakeholder-engagement
Noch eine Sache