Ich werde Machine-Learning-Projekte durchführen

Ich entwickle Machine-Learning-Lösungen mit Python, Scikit-learn, XGBoost sowie überwachten und reinforcement-learning Methoden, einschließlich Klassifikation, Regression, Feature Engineering, Modelloptimierung und Evaluation.

Ich befinde mich im fünften und letzten Jahr meines fünfjährigen Studiengangs Artificial Intelligence Engineering.

Mein Tennis-Analytics-Projekt verwendet XGBoost, um Punktgewinnwahrscheinlichkeiten aus schussbasierten Matchdaten zu schätzen, bewertet an über 700.000 Schlägen aus 970 Matches. Außerdem habe ich eine Q-Learning-Simulation für Trennungsangst beim Hund entwickelt, bei der ein Agent eine Verhaltenspolitik durch Belohnungen, Erkundung und wiederholte Interaktionen erlernt. Diese Projekte zeigen praktische Erfahrungen mit prädiktiven Modellen und sequenzieller Entscheidungsfindung.