HR-QDE Prototype
  1. Lerner
  2. Stelle
  3. Gap
  4. 4 Lernpfad
Lerner
T. Kowalski
Zielstelle
NLP Specialist (Forschungs-Spinoff, Berlin)

Pfad-Berechnungs-Strategie

RG2.2-S

Greedy 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
0
ECTS-Summe
0
Offen
4
Berechnungszeit
11 ms

Kein Pfad berechenbar.

Im aktuellen Modulkatalog konnte kein Pfad konstruiert werden, der die offenen Skills schließt. Offene Lücke: Statistik, Deep Learning, Verarbeitung natürlicher Sprache, maschinelles Lernen

Berechnungs-Transparenz Greedy
Architektur:

PHP-iterativ, compute-tier-zentrisch. Alle Module einmalig in den Speicher laden, dann in PHP iterativ filtern.

Iterationen: 1
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.

Loading…
Loading the web debug toolbar…
Attempt #