Selbstgesteuertes Projekt
Machine Learning for Automotive
KI / ML · September 2026
Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis
Built an end-to-end used-car pricing workflow for VW and Audi listings: combined the datasets, explored price and mileage patterns, engineered age-based features, encoded categorical variables, and compared Linear Regression with Random Forest using R², MAE, and RMSE. The final business summary connected model accuracy to pricing decisions and recommended adoption in a CPO pricing pipeline.
Bewertet nach
- Exploratory Data Analysis20%
- Feature Engineering25%
- Model Building & Evaluation35%
- Business Communication20%
Bestanden · Bestehensgrenze 60/100
Was herausstach6
- Created the key predictive features `car_age` and `mileage_per_year` and used them in the modeling workflow.
- Compared Linear Regression against Random Forest using multiple metrics, not just a single score.
- Translated model performance into a pricing recommendation for the CPO team with an explicit financial framing.
- Leakage-Free Feature Engineering
- Comparative Model Evaluation
- Business-Oriented Interpretation
Meine eingereichte Arbeit10 Aufgaben
5 Aufgaben · 6 Zeilen · 5 Textantworten · 106 Wörter
- VW Sprint1 Complete56 Zeichen
- VW Sprint2 Complete61 Zeichen
- VW Sprint3 Complete59 Zeichen
- VW Business Insights850 Zeichen
- Jupyterlite Code2 Zeilen
- VW Sprint1 Complete1 Wort
- VW Sprint2 Complete1 Wort
- VW Sprint3 Complete1 Wort
- VW Business Insights102 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.