KI & Daten
Computer Vision Industrieprojekte
Computer Vision-Challenges bringen dich dazu, Maschinen das Sehen beizubringen. Du entwickelst Fähigkeiten in Bildverarbeitung und CNN-Klassifikation, baust Pipelines mit OpenCV, gehst Object Detection und Segmentierung an und passt vortrainierte Modelle über Transfer Learning an.
Von dort meisterst du die kniffligeren Themen — Custom-Architekturen, 3D-Vision, Echtzeit-Inferenz und Computergrafik — und baust und deployst Vision-Systeme so, wie es angewandte Forschungsteams wirklich tun. Jede gelöste Challenge bringt dir einen verifizierten Nachweis für Recruiter.
- CodeEinsteigerNeu
GPU-Pipeline-Demo für ein Berliner Indie-Spielestudio
Du erhältst die Engine-Build-Tools, ein Beispiel-Mesh (rund 3.000 Dreiecke) mit Texturen und eine Anforderungs-Spezifikation. Implementiere eine OpenGL-3.3-Core-Demo in C++ mit …
- Opengl
- Computer Graphics
- Cpp
Fachübergreifend - CodeEinsteigerNeu
Visuelle Regal-Analyse für einen Lebensmittel-Filialisten
Du erhältst rund 1.500 Regal-Fotos aus 20 anonymisierten Filialen plus Annotationen (Produkt-Bounding-Boxes, Lückenpositionen, Preisetiketten) und einen Katalog von 250 Produkte…
- Object Detection
- Image Classification
- Model Quantization
Visual Intelligence and Visual Reasoning - CodeEinsteigerNeu
Verlustfreies Mesh-Vereinfachungs-Tool für ein Wiener AR-Startup
Du erhältst 5 reale Architektur-Meshes als OBJ-Dateien zwischen 500.000 und 3 Millionen Dreiecken. Implementiere in Python oder C++ zwei Vereinfachungs-Algorithmen: (1) Vertex-C…
- Mesh Processing
- Geometric Modeling
- Computer Graphics
Fachübergreifend - DesignEinsteigerNeu
Operations-Dashboard für die Vertriebssteuerung eines DACH-E-Commerce
Du erhältst Streaming-Daten (Kafka-Topic-Spec, 1 Min Updates), Produkt- und Kategorie-Stammdaten und Interviews mit der Geschäftsleitung. Wähle ein BI-Tool nur, wenn klar ist wa…
- Data Visualization
- Dashboard Design
- Perceptual Design
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
Visuelle Anomalie-Erkennung für eine Röntgen-Triage-Lösung
Du arbeitest mit dem offenen NIH ChestX-ray14-Datensatz (etwa 112.000 Röntgen-Bilder). Trainiere zwei Modelle: (1) ein binäres Anomalie-vs.-unauffällig-Modell auf einem ConvNeXt…
- Medical Imaging
- Image Classification
- Model Evaluation
Visual Intelligence and Visual Reasoning - 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 - CodeGrundlagenNeu
Strichcode-Erkennung für ein Bonner Konsumgüter-Lager
Sie erhalten 600 Fotos von Wareneingangskartons (klar, leicht verschmutzt, beschädigt, Schräglage) plus die korrekten Strichcode-Werte als Label. Bauen Sie eine OpenCV-Pipeline …
- Image Processing
- Opencv
- Barcode Detection
Fachübergreifend - CodeMittelstufeNeu
Computer-Vision-Pipeline für eine Mittelständische Recyclinganlage
Euer Team von drei bis fünf Studierenden setzt das System in drei Sprints um: 1) Datenerfassungs- und Annotations-Pipeline (etwa 8.000 Bilder werden mit einer leichtgewichtigen …
- Computer Vision
- Object Detection
- Edge Deployment
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.
- CodeEinsteigerNeu
Defekterkennung in Fertigungsbildern für einen Werkzeughersteller
Du erhältst 6.000 vorlabelte Bilder (vier Defektklassen plus 'in Ordnung'), aufgenommen unter Werkstatt-Lichtbedingungen. Trainiere zwei Modelle: (1) ein leichtes EfficientNet-B…
- Image Classification
- Object Detection
- Explainable Ai
Image Processing and Computational Imaging - ResearchMittelstufeNeu
Few-Shot-Defekterkennung fuer einen Halbleiterhersteller in Sachsen
Du erhaeltst einen Wafer-Defekt-Korpus mit 12 'Design-Familien' (jede mit ~600 Bildern in 6 Defektklassen) plus 3 neuen Design-Familien mit nur 10-30 Bildern pro Klasse. Impleme…
- Meta Learning
- Few Shot Learning
- Transfer Learning
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeMittelstufeNeu
Physically-Based Path Tracer für ein Münchner Visualisierungs-SaaS
Du erhältst eine Pflichten-Spezifikation: Path Tracer mit Disney BSDF (industrieübliches Material-Modell), Importance Sampling für Lichtquellen, Next-Event-Estimation (direktes …
- Physically Based Rendering
- Path Tracing
- Brdf
Fachübergreifend - CodeMittelstufeNeu
Multimodale Schadenserkennung fuer einen Versicherer aus Foto + Sprachmemo
Du erhaeltst rund 4 800 anonymisierte Schadenmeldungen: pro Meldung ein JPEG (Schadensfoto) und eine WAV-Datei (Sprachmemo, deutsch). Verarbeite das Foto mit einem vortrainierte…
- Multimodal Learning
- Computer Vision
- Speech Recognition
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
- CodeGrundlagenNeu
Etiketten-Lesbarkeitscheck für eine Düsseldorfer Kosmetikmarke
Sie erhalten 1.200 Beispielbilder (in Ordnung, schief, verrutscht, gerissen) und sollen eine klassische Bildverarbeitungs-Pipeline mit OpenCV bauen: Kantenerkennung (Canny), Kon…
- Image Processing
- Opencv
- Cnn
Computer Vision (Undergraduate) - CodeMittelstufeNeu
Lern-basierte Greifer-Steuerung für einen Sortierautomaten
Du erhältst einen Datensatz von 6.000 Greif-Episoden (Kamerabild vor dem Greifvorgang, Kommando-Saugkraft, Last-Sensor-Verlauf, Erfolg/Misserfolg-Label). Trainiere ein Modell, d…
- Learning Based Control
- Computer Vision
- Pytorch
Fachübergreifend - ResearchSeniorNeu
Foundation-Model-Pretraining fuer Multi-Skill-Robotik-Plattform
Du arbeitest mit einem Open-Source-VLA-Checkpoint (z. B. OpenVLA oder Vergleichbares) und einer Sim-Plattform fuer 3 Aufgaben (Pick, Place, Insertion). Pro Aufgabe sammelst du 1…
- Foundation Models
- Vision Language Action
- Robot Learning
Robot Learning - CodeGrundlagenNeu
Gesichts-Anonymisierung für ein Leipziger Stadtforschungs-Projekt
Sie erhalten 500 Standbilder und 20 kurze (10-Sekunden-) Videoausschnitte. Verwenden Sie ein vortrainiertes Gesichtserkennungsmodell (z. B. MTCNN aus facenet-pytorch oder Retina…
- Face Detection
- Image Processing
- Opencv
Computer Vision (Undergraduate) - CodeEinsteigerNeu
Animations- und Skinning-Pipeline für ein Hamburger Spielestudio
Du erhältst ein rigged Character-Mesh im glTF-Format (rund 6.000 Dreiecke, 32 Knochen, 3 Walk-Cycle-Animationen) und eine Anforderungs-Spezifikation. Implementiere in C++: (1) S…
- Skeletal Animation
- Computer Graphics
- Cpp
Fachübergreifend - 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 - CodeEinsteigerNeu
Objekterkennung für ein Erfurter Solarpark-Drohnenmonitoring
Sie erhalten 3.500 gelabelte Drohnenbilder (Bounding-Boxes für Hotspot, Verschmutzung, Beschädigung). Trainieren Sie einen YOLOv8-Detektor mit Transfer Learning und vergleichen …
- Object Detection
- Transfer Learning
- Pytorch
Fachübergreifend - CodeMittelstufeNeu
Gestensteuerung für einen Logistik-AMR im Hafenumschlag
Du erhältst einen vorlabelten Datensatz aus 1.200 Gestenvideos (acht Bediener:innen, je sechs Gesten, mit Annotationen). Trainiere einen leichten Klassifikator (MoveNet-Skelett …
- Gesture Recognition
- Real Time Inference
- Pytorch
Fachübergreifend - AnalysisEinsteigerNeu
Kundensegmentierung für einen Lebensmittel-Discounter clusteranalysieren
Du erhältst einen anonymisierten Loyalty-Datensatz (Käufe + grobe Demografie + Filial-Region) über 6 Monate. Erstelle ein RFM-Feature-Set (Recency, Frequency, Monetary — Aktuali…
- Clustering
- Feature Engineering
- Rfm Analysis
Fachübergreifend - 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 - StrategyMittelstufeNeu
KI-Strategie für Qualitätsinspektion in der Präzisionsfertigung
Du bist als Junior AI Strategy Consultant (Junior-Berater:in für KI-Strategie) eingesetzt und arbeitest im Zweierteam mit einer:einem Kolleg:in. Ihr erhaltet einen Datensatz mit…
- Ai Strategy
- Deep Learning
- Computer Vision
Machine Learning and AI for Business - ResearchMittelstufeNeu
Transfer-Learning fuer ein Pharma-Foundation-Modell auf molekulare Eigenschaften
Du erhaeltst SMILES-Strings (Notation fuer Molekuelstrukturen) mit Messwerten fuer 4 ADMET-Endpunkte (rund 8 000 - 25 000 Molekuele je Endpunkt). Wahle ein vortrainiertes moleku…
- Transfer Learning
- Foundation Models
- Molecular Ml
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.
Verwandte Kompetenzfelder
Alle Kompetenzen durchsuchenBranchenteams 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.