Erkennung von betrügerischen Kreditkartentransaktionen in hochgradig unausgewogenen realen Daten, bei denen Betrug weniger als 1% der Transaktionen ausmacht. Entwicklung eines kostenempfindlichen Evaluierungsframeworks, das falsch negative Ergebnisse stärker gewichtet und zu einer besseren produktionsreifen Modellauswahl führt.
Anomalieerkennung · unausgewogene Klassifikation · kostenempfindliche Evaluierung · präzisionsorientiert
Präzision: 0.95, Recall: 0.87
GitHub →Präzise Vorhersage der Solarstromproduktion zur Unterstützung von Netzmanagement und Energietrading-Entscheidungen unter Berücksichtigung von Wettervariabilität und saisonalen Mustern. Entwicklung eines Quantilregressionsmodells, das Vorhersageintervalle auf mehreren Konfidenzniveaus ausgibt und deterministische Trends von wettergetriebener Variabilität trennt.
Zeitreihen · Quantilregression · Unsicherheitsquantifizierung · Ensemble-Methoden
MAPE: 8.5% mit gut kalibrierten Vorhersageintervallen
GitHub →Vollständiger Machine-Learning-Workflow zur Vorhersage von Kundenabwanderung in der Telekommunikationsbranche, von der Datenbereinigung bis zum FastAPI-Deployment. Enthält Monte-Carlo-Simulationen für Geschäftsszenarien und automatisierte Hyperparameter-Optimierung.
Klassifikation · End-to-End-Pipeline · FastAPI · Simulations-Engine
Recall: 0.711, F1-Score: 0.624, ROC AUC: 0.842
GitHub →