Information Technology Industrieprojekte
Explore information technology challenges on Ewance to develop skills companies are actively hiring for. Work on briefs covering cloud, infrastructure, security, and platform engineering.
Most Popular
- ResearchSeniorNeu
Generatives Augmentations-Modell fuer einen Lebensmittelinspektor
Du erhaeltst rund 8 000 Inspektor-Bilder (3 000 fehlerfrei, 4 500 haeufige Defekte, 500 Mikrorisse) plus eine vortrainierte Stable-Diffusion-Pipeline. Verwende ControlNet oder D…
- Generative Models
- Data Augmentation
- Computer Vision
Fachübergreifend - CodeSeniorNeu
Lexikalische Beschraenkungen fuer einen Pharma-Beipackzettel-Uebersetzer
Du erhaeltst rund 5 000 Beipackzettel-Saetze mit annotierten Pharma-Termini plus ein Glossar von rund 800 vorgeschriebenen Term-Uebersetzungen. Implementiere constrained beam se…
- Constrained Decoding
- Neural Machine Translation
- Domain Adaptation
Fachübergreifend - ResearchSeniorNeu
MAML fuer schnelle Personalisierung eines Sprachenlern-Startups
Du erhaeltst Antworten von rund 30 000 Nutzer:innen ueber rund 800 Vokabel- und Grammatik-Aufgaben. Trainiere ein MAML-Modell auf 25 000 Nutzer:innen (Meta-Training) und teste d…
- Meta Learning
- Few Shot Learning
- Personalization
Fachübergreifend - ResearchSeniorNeu
Krankheitsverlaufs-Modellierung von Diabetes Typ 2 fuer eine Berliner Versorgungsforschung
Du erhaeltst rund 20 000 Patient:innen mit jeweils 8-15 HbA1c-Messungen ueber 6 Jahre plus Baseline-Merkmale. Implementiere zwei Modelle: (1) ein Mixed-Effects-Modell (gemischte…
- Disease Progression
- Mixed Effects Models
- Sequence Models
Fachübergreifend Develop in-demand professional skills.
Each challenge names the skills it strengthens. Over time, your profile fills with the competences a hiring manager would actually look for.
Why Ewance
- CodeSeniorNeu
Generatives LLM-Werkzeug fuer Arztbrief-Entwuerfe in einer Salzburger Klinik
Du erhaeltst rund 800 abgeschlossene Faelle mit strukturierten Daten, Pflegenotizen und finalen Arztbriefen. Baue ein RAG-System: (1) Indexiere relevante Klinik-Leitlinien als R…
- LLM Applications
- RAG
- Prompt Engineering
Machine Learning for Healthcare and Biomedicine - ResearchSeniorNeu
Self-Supervised Pretraining fuer einen Histopathologie-Anbieter
Du fuehrst Self-Supervised Pretraining (SimCLR oder DINO) auf 80 000 unlabelten Slide-Patches (224x224 Pixel) durch und vergleichst zwei Downstream-Klassifikatoren auf einem 500…
- Self Supervised Learning
- Transfer Learning
- Medical Image Classification
Fachübergreifend - CodeSeniorNeu
Detektion von diabetischer Retinopathie fuer ein Mittelstand-MedTech
Du erhaeltst rund 35 000 Funduskamera-Bilder mit DR-Labels (5 Klassen, stark imbalanciert). Trainiere einen EfficientNet-B4-Klassifikator mit Klassen-gewichteten Loss und starke…
- Medical Image Classification
- Deep Learning
- Pytorch
Machine Learning for Imaging and Medical Image Analysis - ResearchSeniorNeu
Federated Learning fuer einen multi-zentrischen MRT-Datensatz
Du simulierst Federated Learning mit Flower oder PySyft auf 3 simulierten Standorten (rund 200 MRT-Volumen pro Standort, BraTS-aehnlicher Datensatz). Trainiere ein 3D-U-Net mit …
- Federated Learning
- Medical Image Segmentation
- U Net
Machine Learning for Imaging and Medical Image Analysis - Browse challenges
Explore role
Pricing Strategist
Set the price that captures value without leaving sales on the table. Demand modelling, willingness-to-pay research, and the disciplined experimentation that turns pricing into a competitive advantage.
- CodeSeniorNeu
Distributed-Training-Setup für DAX-Konzern in Frankfurt
Sie bekommen Zugriff (per VPN) auf einen Test-Cluster mit 4 Knoten à 4 A100-GPUs. Trainieren Sie ein 1,3-Milliarden-Parameter-Sprachmodell (Pythia oder eine eigene Variante) mit…
- Distributed Training
- Pytorch
- Fsdp
Fachübergreifend - ResearchSeniorNeu
ML-Compiler-Vergleich für Hamburger Hyperscaler-Region
Sie erhalten drei Modelle (ein ResNet-50, ein BERT-base, ein kleines Llama-3-1B) in PyTorch-Format. Kompilieren Sie jedes Modell mit (1) TVM, (2) OpenXLA, (3) TensorRT für CPU-,…
- Ml Compilers
- Tvm
- Tensorrt
Machine Learning Systems - CodeSeniorNeu
CI/CD-Pipeline für ML-Modelle in regulierter DACH-Bank
Sie bauen eine GitHub-Actions-basierte CI/CD-Pipeline für ML-Modelle mit folgenden Stufen: (1) Unit-Tests für Datenpipeline, (2) Training auf einem Hold-out-Datensatz mit Reprod…
- Ci Cd
- Github Actions
- Model Governance
ML Engineering and Production ML - ResearchSeniorNeu
Verhandlungs-Agenten für Münchner Supply-Chain-Software
Sie implementieren ein Zwei-Agenten-Verhandlungs-Setup mit LLM-Backend (lokales Llama-3-70B oder API-Modell, dokumentiert begründet). Definieren Sie ein strukturiertes Verhandlu…
- LLM Agents
- Negotiation
- Game Theory
Fachübergreifend Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- ResearchSeniorNeu
Schwarm-Robotik-Simulation für Logistik-Forschungsprojekt
Sie bauen ein Hafenlager-Simulationsumfeld in Gymnasium oder Mesa mit konfigurierbarer Roboteranzahl (30, 60, 100). Implementieren Sie drei Koordinations-Strategien: (1) zentral…
- Swarm Robotics
- Decentralized Coordination
- Simulation
Multi-Agent Systems - CodeSeniorNeu
Bild-Text-Alignment für medizinisches Reporting im Schweizer Healthtech
Sie nutzen den öffentlichen MIMIC-CXR-Datensatz (Röntgen-Thorax + Befunde) für Training und Eval. Trainieren oder fine-tunen Sie ein CLIP-Variant-Modell (z. B. BiomedCLIP oder O…
- Vision Language Models
- Biomedclip
- Fine Tuning
Fachübergreifend - ResearchSeniorNeu
Differential-Privacy für Schweizer Krankenkassen-Analyse
Sie erhalten einen synthetischen Datensatz (1,2 Mio. Datensätze, 18 Variablen) mit Struktur eines echten Krankenkassen-Auszugs. Implementieren Sie ein DP-System mit OpenDP oder …
- Differential Privacy
- Opendp
- Membership Inference
Fachübergreifend - CodeSeniorNeu
Federated Learning für Tier-1-Zulieferer-Konsortium
Sie simulieren drei Clients (je ein Zulieferer) mit nicht-IID-verteilten Datensätzen (jeder Zulieferer hat eigene Defekt-Klassen-Verteilung). Implementieren Sie FedAvg und FedPr…
- Federated Learning
- Fedavg
- Fedprox
Fachübergreifend - ResearchSeniorNeu
Model-Inversion-Attack-Audit für Berliner KI-Startup
Sie erhalten ein bereits trainiertes Gesichtserkennungs-Modell (ResNet-50, fine-getuned auf einer synthetischen 5.000-Personen-Datenbank) sowie API-Zugang. Implementieren Sie dr…
- Model Inversion
- Adversarial Attacks
- Differential Privacy
Privacy-Preserving Machine Learning - CodeSeniorNeu
Secure-Inference für Frankfurter Banken-Risiko-Modell
Sie wählen einen Ansatz: (1) Homomorphe Verschlüsselung mit Microsoft SEAL oder TenSEAL (BFV/CKKS-Schema), oder (2) Secure MPC mit CrypTen. Begründen Sie die Wahl. Implementiere…
- Homomorphic Encryption
- Secure Mpc
- Tenseal
Fachübergreifend - CodeSeniorNeu
Dynamic Bayesian Network fuer Predictive Maintenance auf der Schwaebischen Alb
Du erhaeltst 18 Monate Telemetrie von 60 Maschinen eines Typs plus historische Wartungs- und Stoerungsmeldungen. Definiere ein DBN mit latentem Verschleisszustand (3-4 diskrete …
- Dynamic Bayesian Networks
- Em Algorithm
- Kalman Filtering
Fachübergreifend - CodeSeniorNeu
Actor-Critic fuer adaptive Ampelsteuerung in einer mittleren Stadt
Du erhaeltst eine SUMO-Konfiguration fuer den Innenstadtbereich mit 8 Kreuzungen sowie Verkehrszaehldaten fuer eine typische Werktagswoche. Implementiere Multi-Agent-Actor-Criti…
- Actor Critic
- Multi Agent Rl
- Function Approximation
Reinforcement Learning - CodeSeniorNeu
Citation-getreuer RAG-Assistent fuer Wiener Kanzlei
Du erhaeltst 12.000 anonymisierte Dokumente plus 120 Frage-Antwort-Paare mit explizit zitierten Quellen. Implementiere: (1) Embedding-Index ueber ein juristisches mehrsprachiges…
- RAG Architecture
- Citation Tracking
- Hallucination Detection
Retrieval-Augmented Generation - CodeSeniorNeu
Agentic-RAG fuer Innovationsabteilung eines Schweizer Versicherers
Du erhaeltst die Dokumentenbasis plus 30 komplexe Fragen mit Soll-Antworten und erwarteten Quellen. Baue: (1) Query-Decomposition-Schritt (LLM zerlegt Frage in 2-5 Teilfragen), …
- Agentic RAG
- Query Decomposition
- Multi Step Reasoning
Fachübergreifend - CodeSeniorNeu
DPO-Finetuning fuer Tonalitaets-Anpassung eines mehrsprachigen Modells
Du erhaeltst ein Open-Source-Basismodell (rund 8B Parameter), 4.000 Praeferenzpaare und 200 Holdout-Prompts. Implementiere: (1) SFT-Baseline auf den 'chosen'-Antworten, (2) DPO-…
- Direct Preference Optimization
- Supervised Finetuning
- Lora
Machine Learning from Human Preferences (RLHF and Alignment) - CodeSeniorNeu
Constitutional-AI-Replikation fuer mittelstaendischen Versicherungs-Chatbot
Du entwirfst: (1) eine Constitution mit 8-12 Sicherheits-Prinzipien fuer Versicherungs-Kundenkontakt (Datenschutz, Beratungsabgrenzung, klare Eskalation), (2) eine Critique-and-…
- Constitutional Ai
- Rlhf
- Direct Preference Optimization
Fachübergreifend
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.