Zertifiziert
Selbstgesteuertes Projekt
Machine Learning for Automotive
KI / ML · September 2026
91/ 100
Eine ProoV-Fallstudie · Lernprojekt, kein Arbeitsverhältnis
Built an end-to-end used-car pricing analysis for VW and Audi listings in the UK market. Combined the datasets, explored price and mileage patterns, engineered predictive features, compared Linear Regression against a tuned Random Forest, and translated the results into a practical CPO pricing guardrail backed by model metrics and feature insights.
Bewertet nach
- Exploratory Data Analysis20%
- Feature Engineering25%
- Model Building & Evaluation35%
- Business Communication20%
Bestanden · Bestehensgrenze 60/100
Was herausstach6
- Built a clear VW vs Audi comparison with brand-level boxplots and scatter plots that surfaced the premium gap.
- Used multiple evaluation metrics in the business summary, including R² and MAE, to quantify the improvement from Linear Regression to Random Forest.
- Identified the most influential drivers of price in the market narrative, including MPG, car age, and engine size.
- Turned model output into a concrete operational recommendation: a £1,500 deviation threshold for management review.
- Exploratory Data Analysis
- Leakage-Aware Feature Engineering
Meine eingereichte Arbeit10 Aufgaben
5 Aufgaben · 6 Zeilen · 5 Textantworten · 184 Wörter
- VW Sprint1 Complete56 Zeichen
- VW Sprint2 Complete61 Zeichen
- VW Sprint3 Complete59 Zeichen
- VW Business Insights1.5k Zeichen
- Jupyterlite Code2 Zeilen
- VW Sprint1 Complete1 Wort
- VW Sprint2 Complete1 Wort
- VW Sprint3 Complete1 Wort
- VW Business Insights180 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.