Aktuelles Projekt
Mehrstufige ML-Pipeline für Prüffallpriorisierung und Betragsprognose
Entwicklung einer reproduzierbaren Architektur für die Priorisierung fachlich prüfwürdiger Fälle und die ergänzende Prognose von Beträgen.
- Eigenständiger Classifier, Vorzeichenmodell, Extremfallmodell und Normalbetrag-Regressor
- XGBoost und LightGBM für Klassifikation und Regression
- SHAP beziehungsweise native Feature-Beiträge für zeilenbezogene Erklärungen
- Konfigurationsgesteuerte Run-Pläne, Seeds, Hyperparameter und getrennte Modellauswahl
- Subprocess-Worker, JSON-Payloads, Memory-Mapping, Batch, Resume, Locks und Statusverwaltung
- Anwendungsscoring mit gespeicherten Modellen, Features, Transformationen und Metadaten