Data Sciences Industrieprojekte
Explore data science challenges on Ewance to build skills employers expect from analysts and ML engineers. Work through challenges on data cleaning, exploratory analysis, modeling, and storytelling with data.
Most Popular
- AnalysisMittelstufeNeu
Saliency-Audit für ein Computer-Vision-Modell im autonomen Fahren
Du erhältst ein vortrainiertes Hindernis-Erkennungs-CNN, 500 markierte Testbilder und die Safety-Checkliste der Probandenstrecke. Wende Grad-CAM und Integrated Gradients an, füh…
- Saliency Methods
- Grad Cam
- Integrated Gradients
Explainable and Interpretable AI - CodeMittelstufeNeu
Dataset-Kuratierung und Eval-Harness für ein medizinisches Fachmodell
Du bekommst 12.000 anonymisierte Radiologie-Berichte (rohe Exports), Klinik-Style-Guide und eine Liste typischer Failure-Modes (Halluzinationen, falsche Befund-Vereinfachungen).…
- Dataset Curation
- Data Pipelines
- LLM Evaluation
Fine-Tuning Large Language Models - DesignMittelstufeNeu
Ontologie für die Produktklassifikation eines technischen Großhändlers
Du bekommst den heutigen Excel-Baum, 5.000 ausgewählte Produkt-Datensätze und Interviews-Notizen aus drei Kategorie-Manager-Gesprächen. Modelliere eine OWL-Ontologie mit Klassen…
- Ontologies
- Owl
- Knowledge Representation
Fachübergreifend - CodeMittelstufeNeu
Description-Logic-Reasoner für Produktkonfigurations-Regeln
Du bekommst die heutige Excel-Konfigurations-Tabelle, 12 typische Kundenkonfigurations-Anfragen und die formalisierten Regeln aus zwei Workshops mit den Vertriebs-Ingenieurinnen…
- Description Logic
- Owl
- Knowledge Representation
Fachübergreifend Practice your coursework on real scenarios.
Every challenge is shaped from real-world context — not generic exercises. The work mirrors what your degree prepares you for.
Why Ewance
- CodeMittelstufeNeu
Multimodale Produkt-Beschreibungs-Pipeline für einen Marktplatz
Du bekommst 5.000 Beispiel-Produkte mit Bild, strukturierten Attributen (Material, Maße, Farben) und vom Redaktions-Team verfassten Referenz-Beschreibungen. Setze eine Pipeline …
- Multimodal Generation
- Vision Language Models
- LLM Evaluation
Generative AI - CodeMittelstufeNeu
Arzneimittel-Wissensgraph für ein Leverkusener Pharma-Unternehmen
Du erhältst 14 anonymisierte Excel-Tabellen (Wirkstoffe, Indikationen, Studien, Marktzulassungen) sowie drei bestehende Glossare. Modelliere die Domäne in OWL, nutze wo möglich …
- Ontology Modeling
- Rdf
- Owl
Fachübergreifend - CodeMittelstufeNeu
Wissensgraph als Backbone für eine Finanz-Compliance-Plattform
Du erhältst Ausschnitte aus drei öffentlichen Quellen (Handelsregister-Auszug, OpenCorporates-Export, OFAC-Sanktionsliste) sowie eine Liste von 12 typischen Compliance-Fragen. M…
- Ontology Modeling
- Graph Databases
- Neo4j
Fachübergreifend - CodeMittelstufeNeu
Agent-Orchestrierung für ein Frankfurter Asset-Management-Tool
Du baust einen LangChain- oder LlamaIndex-Agenten mit Function Calling auf OpenAI oder Anthropic Claude, der drei Werkzeuge orchestriert: (1) Marktdaten-API (Mock auf Yahoo-Fina…
- Agent Orchestration
- Tool Calling
- Langchain
LLM Application Development - Browse challenges
Explore role
Marketing Analyst
Plan and measure campaigns that grow the business. Funnel analytics, attribution, segmentation, and the rigorous measurement that lets marketing defend its budget at the leadership table.
- CodeMittelstufeNeu
End-zu-End-ML-Pipeline fuer einen Logistik-Dispatcher
Du baust eine Pipeline in Python, die taeglich aus zwei Datenquellen (Containerterminal-API + Wettervorhersage-API) zieht, Features aufbaut, ein Gradient-Boosting-Modell auf rol…
- Ml Pipelines
- Feature Engineering
- Model Evaluation
Machine Learning in Practice - ResearchMittelstufeNeu
Fairness-Audit eines Bewerbungs-Screening-Modells
Du erhaeltst rund 28 000 anonymisierte Bewerbungen mit den Modellbewertungen, den tatsaechlichen Einstellungsentscheidungen, und proxy-Merkmalen (Geschlecht, Altersband, Postlei…
- Fairness Evaluation
- Ml Ethics
- Model Evaluation
Machine Learning in Practice - CodeMittelstufeNeu
Drift-Monitoring fuer ein produktives Empfehlungsmodell
Du erhaeltst die Trainingsdaten (rund 80 000 Firmenkunden, 24 Features) und die letzten 6 Monate Live-Inputs des Modells. Implementiere drei Drift-Metriken: Population Stability…
- Model Monitoring
- Data Drift
- Ml Pipelines
Machine Learning in Practice - AnalysisMittelstufeNeu
Ensemble-Strategie fuer einen Industrieversicherer
Du erhaeltst rund 240 000 Policen mit 47 Features (Branche, Anlagenalter, Standortrisiko, historische Schadensumme) plus die Zielspalte Schadenfall (0/1) und die Schadenhoehe in…
- Ensemble Methods
- Supervised Learning
- Model Evaluation
Machine Learning Build a verifiable portfolio.
Submissions become evidence. Reviewers with shipping experience score against a rubric; the result becomes a credential anyone can verify.
Why Ewance
- ResearchMittelstufeNeu
Kernel-Methoden vs. neuronales Netz auf Chromatographie-Daten
Du erhaeltst rund 12 000 Chargen mit je einem 800-Punkt-Chromatogramm (numerische Zeitreihe) plus Zielspalte (konform/abweichend). Implementiere zwei Vergleichsmodelle: (1) Kern…
- Kernel Methods
- Neural Networks
- Model Evaluation
Fachübergreifend - AnalysisMittelstufeNeu
Dimensionsreduktion fuer Spektroskopie-Qualitaetskontrolle
Du erhaeltst rund 80 000 Linsen mit je einem 2 000-dimensionalen Spektrum plus optionale Schadenslabels (nur fuer rund 5 000 Linsen). Vergleiche drei Dimensionsreduktions-Verfah…
- Dimensionality Reduction
- Anomaly Detection
- Unsupervised Learning
Machine Learning - ResearchMittelstufeNeu
Modellselektion fuer einen Photovoltaik-Anlagenbauer
Du erhaeltst 18 Monate halbstuendliche Daten von rund 120 Anlagen: meteorologische Vorhersage, historische Ertraege, Anlagenkonfiguration, Saison. Implementiere die drei Kandida…
- Model Selection
- Cross Validation
- Regression
Machine Learning - ResearchMittelstufeNeu
Niedrigressourcen-MT fuer Schweizerdeutsch in einer Bundesverwaltung
Du erhaeltst rund 12 000 parallele Saetze (Schweizerdeutsch → Standarddeutsch) plus rund 100 000 einsprachige Saetze in Schweizerdeutsch. Implementiere Backtranslation: trainier…
- Neural Machine Translation
- Data Augmentation
- Low Resource Mt
Fachübergreifend - ResearchMittelstufeNeu
Aufmerksamkeits-Analyse zur Erklaerung von MT-Fehlern fuer ein EU-Sprachenteam
Du erhaeltst rund 200 Saetze mit beobachteten Faktenfehlern (Zahlen, Eigennamen, Negationen). Verwende ein vortrainiertes Transformer-MT-Modell (z. B. Helsinki-NLP/opus-mt) und …
- Attention Mechanism
- Transformers
- Model Interpretation
Machine Translation - CodeMittelstufeNeu
MT-Qualitaetsbewertung-Framework fuer einen mehrsprachigen Konzern
Du baust ein Bewertungsframework in Python, das fuer ein hochgeladenes Uebersetzungspaket folgendes ausgibt: BLEU + chrF + COMET (lernbasierte Bewertung), je Sprache. Ein konfig…
- Mt Evaluation
- Neural Machine Translation
- Python
Machine Translation - ResearchMittelstufeNeu
Cross-lingualer Transfer fuer Sentiment-Analyse in DACH-Maerkten
Du erhaeltst rund 80 000 deutsche annotierte Posts (positiv/neutral/negativ), rund 6 000 italienische und 4 000 franzoesische Posts. Implementiere drei Setups: (1) deutsches XLM…
- Transfer Learning
- Cross Lingual Transfer
- Foundation Models
Meta-Learning, Transfer Learning, and Multi-Task Learning - ResearchMittelstufeNeu
Risiko-Stratifizierung von Herzinsuffizienz-Patient:innen fuer ein Heidelberger Universitaetsklinikum
Du erhaeltst rund 14 000 anonymisierte Patient:innen mit Baseline-Merkmalen (Alter, Geschlecht, NYHA-Klasse [New York Heart Association Funktionsklasse 1-4], Ejektionsfraktion, …
- Risk Stratification
- Clinical Ml
- Calibration
Fachübergreifend - ResearchMittelstufeNeu
Fairness-Audit eines ICU-Sepsis-Warnsystems fuer einen Muenchner Klinikverbund
Du erhaeltst rund 18 000 ICU-Aufenthalte mit ML-Sepsis-Score (zeitlich aufgeloest), tatsaechlichen Sepsis-Diagnosen, Demographie und Klinik-Subzentrum. Berechne Gruppen-Metriken…
- Fairness Evaluation
- Clinical Ml
- Statistical Testing
Machine Learning for Healthcare and Biomedicine - CodeMittelstufeNeu
EHR-basierte Phaenotypisierung fuer ein Basler Pharma-Forschungsteam
Du erhaeltst rund 250 000 anonymisierte Patient:innen-EHRs mit ICD-10-Codes, Labor-Werten, Medikamenten-Verschreibungen ueber 5 Jahre. Die klinische Forschung hat eine 4-Kriteri…
- Clinical Ml
- Phenotyping
- Supervised Learning
Machine Learning for Healthcare and Biomedicine - CodeMittelstufeNeu
U-Net-Segmentierung von Lungenrundherden auf CT fuer ein Heidelberger Forschungslabor
Du baust einen 3D-U-Net-Segmentierer in PyTorch auf rund 800 CT-Volumen mit annotierten Lungenrundherden. Verwende eine Dice-Loss + Cross-Entropy-Kombination und Data-Augmentati…
- Medical Image Segmentation
- U Net
- Deep Learning
Machine Learning for Imaging and Medical Image Analysis - ResearchMittelstufeNeu
Mammographie-Klassifikator mit Erklaerbarkeit fuer ein Wiener Brustzentrum
Du erhaeltst rund 6 000 Mammographie-Bilder mit BI-RADS-Labels (Breast Imaging Reporting and Data System, Standardklassifikation 0-6) aus einem oeffentlichen Datensatz (z. B. CB…
- Medical Image Classification
- Deep Learning
- Model Interpretation
Machine Learning for Imaging and Medical Image Analysis
So funktioniert's
Vom Briefing zum Zertifikat – in sechs Schritten.
Schritt 01
Durchsuche Challenges passend zu Deinem Studium.
Schritt 02
Wähle das Projekt, das zu Deinen Zielen passt.
Schritt 03
Arbeite es mit Hilfe des AI Copiloten durch.
Schritt 04
Reiche es zur strukturierten Bewertung ein.
Schritt 05
Erhalte ein verifiziertes Zertifikat.
Schritt 06
Füge es Deinem LinkedIn-Profil mit einem Klick hinzu.
Branchenteams hinter einem Jahrzehnt praxisorientierter Briefings
Aus diesem Pool einstellen?
Sponsere eine Challenge und lerne Kandidaten durch ihre tatsächliche Arbeit kennen.
Industrieteams können Briefings rund um die Fähigkeiten gestalten, die sie suchen, und Studierende anhand von bewertungsmatrix-gestützten Ergebnissen beurteilen – nicht anhand von Lebensläufen.