Lerner
T. Kowalski
Zielstelle
ML Engineer (Tech-Konzern, Remote)
Pfad-Berechnungs-Strategie
RG2.2-SGreedy best-gain: in jeder Iteration wird das Modul mit erfüllten Voraussetzungen gewählt, das eine der offenen Lücken schließt. Schnell und lokal optimal, aber ohne globale Sicht.
Erweiterte Optionen (Constraints)
Module
2
ECTS-Summe
12
Offen
1
Berechnungszeit
7 ms
Empfohlener Lernpfad (2 Module)
-
1
Cloud-Technologien für Data Professionals
INF-410 · 6 ECTSVoraussetzungen:Python (Computerprogrammierung)Schließt Skill-Lücke:Cloud-Technologien -
2
DevOps und Cloud-Automatisierung
INF-701 · 6 ECTSVoraussetzungen:Cloud-Technologien Cloud-Aufgaben automatisierenSchließt Skill-Lücke:DevOps
Teilweise gelöst.
Nicht jeder geforderte Skill konnte durch ein verfügbares Modul abgedeckt werden. Offen bleiben: maschinelles Lernen
Berechnungs-Transparenz
Greedy
Architektur:
PHP-iterativ, compute-tier-zentrisch. Alle Module einmalig in den Speicher laden, dann in PHP iterativ filtern.
Iterationen:
3
Module evaluiert:
10
Note:
In jeder Iteration werden alle Module mit erfüllten Voraussetzungen geprüft; das Modul mit gain=1 (lehrt einen offenen Skill) wird gewählt.