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
- ResearchMittelstufeNeu
VAE für synthetische Tabellen-Daten in einem Versicherungs-Forschungslabor
Du erhältst einen anonymisierten Schadendatensatz (100.000 Zeilen, 24 Spalten — kategorisch und numerisch gemischt). Implementiere einen Tabellen-VAE (z. B. CTGAN-Architektur od…
- Variational Autoencoders
- Synthetic Data Generation
- Differential Privacy
Fachübergreifend - ResearchMittelstufeNeu
Autoregressive Sequenz-Generation für ein Game-Studio in Berlin
Du erhältst die Quest-Bibliothek (strukturierter JSON-Datensatz mit Ziel, Twist, Belohnung, Welt-Tags) sowie eine Stilrichtlinie aus dem Writers' Room. Trainiere einen kleinen a…
- Autoregressive Models
- Transformer Training
- Text Generation
Deep Generative Models - CodeMittelstufeNeu
Defekt-Klassifikator für eine Halbleiter-Fabrik in Sachsen
Du erhältst 80.000 gelabelte Inspektions-Bilder (9 Klassen, mit starker Unbalance — Top-3 ca. 75 % aller Bilder). Vergleiche eine ResNet-50-Baseline gegen einen modernen CNN (Co…
- Cnn Architectures
- Image Classification
- Transfer Learning
Deep Learning for Computer Vision - CodeMittelstufeNeu
Segmentierungs-Modell für Brandschadens-Erkennung in der Versicherung
Du erhältst 3.200 anonymisierte Schadensfotos mit Pixel-Annotationen (4 Klassen: unbeschädigt, ruß, brand, wasserschäden). Trainiere ein modernes Segmentierungs-Modell (SegForme…
- Semantic Segmentation
- U Net
- Segformer
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
Echtzeit-Detektion von Schutzausrüstung auf einer Großbaustelle
Du erhältst 6.000 annotierte Bilder (Personen mit/ohne Helm, mit/ohne Warnweste) sowie Test-Videos von 3 Kameras. Trainiere YOLOv8 oder YOLOv10 auf den 4 Klassen, optimiere für …
- Object Detection
- Yolo
- Edge Deployment
Fachübergreifend - ResearchMittelstufeNeu
Vision-Transformer für Mikroplastik-Detektion in Umweltproben
Du erhältst 18.000 mikroskopische Bildausschnitte mit 6 Partikel-Klassen (Polyethylen, Polystyrol, Polyamid, Polypropylen, Sand-Artefakt, Algen-Artefakt). Trainiere einen ViT (z…
- Vision Transformers
- Image Classification
- Self Supervised Pretraining
Fachübergreifend - CodeMittelstufeNeu
LSTM-Modell für Vibrations-Anomalien an einer Druckguss-Anlage
Du erhältst 8 Monate Vibrations-Sequenzen (10-kHz-Abtastung, 8 Maschinen) plus 22 bestätigte Wartungsfälle. Aggregiere auf Sekunden-Fenster (Mittelwert, Std, FFT-Hauptfrequenzen…
- Lstm Architectures
- Anomaly Detection
- Time Series
Fachübergreifend - ResearchMittelstufeNeu
Regularisierungs-Studie für ein kleines medizinisches Trainings-Set
Du erhältst den 4.500-EKG-Datensatz (anonymisiert, ohne klinische Identifikatoren) sowie eine bestehende CNN-1D-Baseline. Definiere ein Regularisierungs-Faktorgitter (Dropout, W…
- Regularization
- Deep Learning
- Cross Validation
Fachübergreifend - Browse challenges
Explore role
Product Manager
Ship product that solves real user problems. Combine user research, prototyping, and stakeholder alignment to turn ambiguous briefs into measurable wins — the role at the centre of modern software teams.
- CodeMittelstufeNeu
DQN-Routing-Policy für mobile Lagerroboter trainieren
Du bekommst einen Gymnasium-kompatiblen Lager-Simulator (50x50-Raster, 8 dynamische Fußgänger als Hindernisse, 20 zufällige Pick-Positionen) und das Baseline-A*-Skript. Trainier…
- Deep Q Learning
- Reinforcement Learning
- Pytorch
Deep Reinforcement Learning - AnalysisMittelstufeNeu
Imitation-Learning-Baseline für ein autonomes Lieferfahrzeug
Du erhältst 12 Stunden Telemetrie + Kamera-Stream menschlicher Sicherheitsfahrten aus dem Münchner Innenstadtgebiet sowie einen CARLA-Stadt-Simulator. Trainiere eine Behavior-Cl…
- Imitation Learning
- Behavior Cloning
- Pytorch
Deep Reinforcement Learning - CodeMittelstufeNeu
Defekterkennung auf einem ARM-Cortex-M7-Mikrocontroller deployen
Du bekommst ein in PyTorch trainiertes 1D-CNN (rund 380 KB FP32) plus 5.000 markierte Vibrationsfenster aus dem Feld. Konvertiere das Modell mit Post-Training-Quantisierung auf …
- Model Quantization
- Edge Inference
- Tflite Micro
Fachübergreifend - CodeMittelstufeNeu
Modell-Pruning für ein Fahrer-Müdigkeitssystem im Automotive-ECU
Du erhältst ein in PyTorch trainiertes Müdigkeits-CNN (ResNet-18-Basis) plus einen markierten Datensatz von 20.000 Gesichts-Crops aus Fahrer-Innenraumkameras. Implementiere stru…
- Model Pruning
- Hardware Aware Design
- Pytorch
Fachübergreifend 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
- AnalysisMittelstufeNeu
Edge-ML-Architektur-Audit für eine Predictive-Maintenance-Plattform
Du erhältst Architektur-Diagramme, Cloud-Kostenrechnungen der letzten 6 Monate, einen Beispiel-Kunden-Workload (3 Maschinen, 100 Sensoren) und Interviews mit dem CTO. Bewerte: (…
- Edge Architecture
- Hardware Aware Design
- Cost Modeling
Fachübergreifend - ResearchMittelstufeNeu
Mehrziel-Evolution für die Portfolio-Optimierung eines Robo-Advisors
Du bekommst 5 Jahre tägliche Schlusskurse von 200 ETFs (Exchange Traded Funds), die Anlage-Universum-Regeln des Startups (z. B. UCITS-konform) und das Markowitz-Baseline-Ergebni…
- Nsga Ii
- Multi Objective Optimization
- Evolutionary Algorithms
Fachübergreifend - CodeMittelstufeNeu
Selbst-adaptive Evolutionsstrategie für ein Industrie-Auslegungsproblem
Du bekommst ein Python-Simulationsmodell des Wärmetauschers (Black-Box-Funktion, ein Eval-Aufruf dauert ca. 15 Sekunden), 12 Parameter mit Bound-Constraints und eine Bewertungsf…
- Evolution Strategies
- Cma Es
- Black Box Optimization
Fachübergreifend - CodeMittelstufeNeu
SHAP-Erklärungen für ein Kredit-Scoring-Modell unter EU-AI-Act
Du erhältst ein vorhandenes XGBoost-Modell, einen anonymisierten Datensatz von 12.000 abgeschlossenen Anträgen plus die Kundenkommunikations-Richtlinie der Bank. Berechne SHAP-W…
- Shap
- Model Interpretability
- Explainable Ai
Fachübergreifend - ResearchMittelstufeNeu
Counterfactual-Erklärungen für ein Diagnose-Unterstützungssystem
Du erhältst ein vortrainiertes Hautläsionen-Modell (Bild + Tabellen-Features wie Größe, Lokalisation, Alter), einen Holdout-Datensatz und Zugang zu zwei Dermatologinnen für 4 st…
- Counterfactual Explanations
- Explainable Ai
- Model Interpretability
Explainable and Interpretable AI - 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
LoRA-Fine-Tuning eines Mistral-Modells für Versicherungs-E-Mails
Du bekommst 25.000 anonymisierte E-Mails mit Kategorie-Labels und 5.000 Holdout-Mails. Fine-tune Mistral-7B mit LoRA-Adaptern (Rank 16, alpha 32) auf einer A100-GPU. Trainiere d…
- Lora
- Supervised Fine Tuning
- LLM Evaluation
Fine-Tuning Large Language Models - CodeMittelstufeNeu
QLoRA auf Consumer-Hardware für ein juristisches Modell
Du bekommst 3.500 anonymisierte Schriftsätze (rund 20 MB Text), die Kanzlei-Style-Guide und Zugriff auf eine RTX-4090. Setze QLoRA mit bitsandbytes auf, trainiere zwei Varianten…
- Qlora
- Lora
- Supervised Fine Tuning
Fachübergreifend - 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 - ResearchMittelstufeNeu
Inductive-Logic-Programming für die Diagnose von Maschinenfehlern
Du bekommst 8.000 Service-Tickets mit Logs, beobachteten Symptomen und bestätigter Diagnose plus Hintergrund-Wissen (Maschinen-Komponentenbaum als Prolog-Fakten). Setze ein ILP-…
- Inductive Logic Programming
- Logic Programming
- Rule Design
Fuzzy Logic, Knowledge Representation, and Symbolic Reasoning
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.