Lernpfad · HR-QDE Prototype

✓ Lerner
→
✓ Stelle
→
✓ Gap
→
4 Lernpfad

Lerner

M. Schreiber

Zielstelle

ML Engineer (Tech-Konzern, Remote)

Pfad-Berechnungs-Strategie

RG2.2-S

Greedy Cypher Pattern-Matching GDS Dijkstra

Cypher-zentrisch: in jeder Iteration findet eine Pattern-Matching-Query im Graph das nächste passende Modul. Graph-nativ statt PHP-iterativ — gleiche Algorithmik wie Greedy, aber data-tier-zentrische Architektur.

Erweiterte Optionen (Constraints)

Module

ECTS-Summe

Offen

Berechnungszeit

23 ms

Empfohlener Lernpfad (4 Module)

1

Machine Learning Grundlagen

INF-501 · 6 ECTS

Voraussetzungen:

Statistik Python (Computerprogrammierung)

Schließt Skill-Lücke:

maschinelles Lernen
2

Cloud-Technologien für Data Professionals

INF-410 · 6 ECTS

Voraussetzungen:

Python (Computerprogrammierung)

Schließt Skill-Lücke:

Cloud-Technologien
3

Cloud-Automatisierung mit Python

INF-512 · 6 ECTS

Voraussetzungen:

Cloud-Technologien Python (Computerprogrammierung)

Schließt Skill-Lücke:

Cloud-Aufgaben automatisieren
4

DevOps und Cloud-Automatisierung

INF-701 · 6 ECTS

Voraussetzungen:

Cloud-Technologien Cloud-Aufgaben automatisieren

Schließt Skill-Lücke:

DevOps

Berechnungs-Transparenz Cypher Pattern-Matching

Architektur:

Cypher-zentrisch, data-tier-zentrisch. Pro Iteration eine Pattern-Matching-Query, die das nächste passende Modul direkt im Graph selektiert.

Iterationen: 4

Cypher-Calls: 4

Modul-Selektor-Query (pro Iteration ausgeführt):

    // Modul-Selektor — pro Iteration einmal ausgeführt
    MATCH (m:Resource)
    WHERE m.uri STARTS WITH "http://hr-qde.org/demo/module/"
      AND NOT m.uri IN $usedModuleUris

    MATCH (m)-[:hrqde__hasOutcome]->(:Resource)
          -[:hrqde__targetsCompetence]->(teaches:Resource)
    WHERE teaches.uri IN $missingUris

    OPTIONAL MATCH (m)-[:hrqde__requiresCompetence]->(reqSkill:Resource)
    WITH m, teaches,
         [r IN collect(DISTINCT reqSkill) WHERE r IS NOT NULL | r.uri] AS reqUris
    WHERE ALL(r IN reqUris WHERE r IN $acquiredUris)

    WITH m, teaches
    OPTIONAL MATCH (m)-[:hrqde__requiresCompetence]->(req:Resource)
    OPTIONAL MATCH (req)-[:skosxl__prefLabel]->(reqLabel:Resource)
    WITH m, teaches, req, collect(reqLabel.skosxl__literalForm) AS reqLabelForms
    WITH m, teaches,
         [r IN collect({uri: req.uri, labelForms: reqLabelForms})
          WHERE r.uri IS NOT NULL] AS requires

    OPTIONAL MATCH (teaches)-[:skosxl__prefLabel]->(teachesLabel:Resource)
    WITH m, teaches, requires,
         collect(teachesLabel.skosxl__literalForm) AS teachesLabelForms

    RETURN m.uri AS moduleUri, m.rdfs__label AS moduleLabel,
           m.hrqde__moduleCode AS code, m.hrqde__ects AS ects,
           teaches.uri AS teachesUri, teachesLabelForms, requires
    ORDER BY toFloat(m.hrqde__ects) ASC, m.uri ASC
    LIMIT 1

Pfad-Berechnungs-Strategie

Empfohlener Lernpfad (4 Module)

Machine Learning Grundlagen

Cloud-Technologien für Data Professionals

Cloud-Automatisierung mit Python

DevOps und Cloud-Automatisierung