Optimiza el tratamiento de pacientes diabéticos con bandits contextuales
Visión general
De qué trata este proyecto.
Modela el tratamiento de pacientes diabéticos con bandits contextuales y evalúa políticas off-policy. Obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Evalúa off-policy dos políticas de bandit contextual contra la política histórica sobre 50.000 pacientes sintéticos con reporte honesto de limitaciones.
Earning criteria — what you'll demonstrate
- Modelar decisiones secuenciales como contextual bandits
- Aplicar epsilon-greedy y Thompson sampling sobre regresiones probabilísticas
- Evaluar políticas off-policy con IPS y Doubly Robust
- Comunicar limitaciones de un estudio observacional con honestidad clínica
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Decision Making Under Uncertainty
Master · Ai Ml
Fit score: 1
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador de ML
Off-policy evaluation con contextual bandits es nicho con creciente demanda en salud y plataformas con experimentación constante.
Este proyecto afina
- contextual-bandits
- off-policy-evaluation
- ips
Investigador de Seguridad en IA
El énfasis en limitaciones honestas y supuestos verificables conecta directamente con el trabajo de AI safety researcher sobre garantías.
Este proyecto afina
- evaluation
- off-policy-evaluation
- thompson-sampling
Científico Aplicado de IA
Diseñar el piloto prospectivo a partir de un estudio retrospectivo es el puente clave hacia un sistema clínico real.
Este proyecto afina
- contextual-bandits
- evaluation
- thompson-sampling