Selbstgesteuertes Projekt
Machine Learning for Automotive
KI / ML · September 2026
Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis
Built an end-to-end used-car pricing analysis for VW and Audi listings: combined the datasets, explored price and mileage patterns, engineered predictive features, trained and compared Linear Regression and Random Forest models, and selected the stronger model based on R², MAE, and RMSE. Also translated the results into a practical pricing recommendation for a Certified Pre-Owned team.
Bewertet nach
- Exploratory Data Analysis20%
- Feature Engineering25%
- Model Building & Evaluation35%
- Business Communication20%
Bestanden · Bestehensgrenze 60/100
Was herausstach6
- Compared Linear Regression and Random Forest using R², MAE, and RMSE with clear numeric results
- Identified the strongest pricing drivers as mpg, car age, and engine size
- Translated model error into a portfolio-level mispricing estimate for the CPO team
- Leakage-Free Feature Engineering
- Honest Model Evaluation
- Business Translation of Model Results
Meine eingereichte Arbeit10 Aufgaben
5 Aufgaben · 6 Zeilen · 5 Textantworten · 164 Wörter
- VW Sprint1 Complete56 Zeichen
- VW Sprint2 Complete61 Zeichen
- VW Sprint3 Complete59 Zeichen
- VW Business Insights1.2k Zeichen
- Jupyterlite Code2 Zeilen
- VW Sprint1 Complete1 Wort
- VW Sprint2 Complete1 Wort
- VW Sprint3 Complete1 Wort
- VW Business Insights160 Wörter
- Jupyterlite Code1 Wort
Bewusst zusammengefasst — der eingereichte Code und die Texte bleiben privat, damit diese Seite nicht als Lösungsvorlage dient. Die vollständige Einreichung steht hinter dem verifizierten Zertifikat.