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
Software-Rasterizer für ein Münchner AR-Trainings-Studio
Du erhältst 4 Mesh-Dateien (OBJ-Format, zwischen 200 und 5.000 Dreiecken), eine Spezifikation der Pipeline und Beispielausgaben aus einer Referenzimplementierung. Implementiere …
- Rasterization
- Computer Graphics
- Python
Fachübergreifend - 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
Ray-Tracer als Wochenend-Projekt für ein Stuttgarter Visualisierungs-Team
Du erhältst die Standardliteratur und eine Szenen-Spezifikation mit 6 Kugeln und 2 zusätzlichen geladenen Meshes. Implementiere in C++ einen Ray-Tracer mit: (1) primärer Strahlv…
- Ray Tracing
- Computer Graphics
- Cpp
Fachübergreifend - CodeEinsteigerNeu
Multi-Kamera-Kalibrierung für Hamburger Hafen-Robotik
Sie entwerfen die Pipeline mit einem gedruckten ChArUco-Board (Schachbrett mit eingebetteten ArUco-Markern). Sie erhalten 200 Roh-Frames pro Kamera plus die nominellen Intrinsik…
- Camera Calibration
- Multi View Geometry
- Opencv
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
- ResearchMittelstufeNeu
Selbstüberwachtes Pretraining für Defekterkennung in der Halbleiterfertigung
Du erhältst 500.000 ungelabelte Wafer-Patches und 3.000 gelabelte Patches mit fünf Defektklassen. Trainiere zuerst einen Encoder selbstüberwacht (Empfehlung: DINOv2-Architektur …
- Self Supervised Learning
- Representation Learning
- Pytorch
Advanced Deep Learning - CodeMittelstufeNeu
Digital-Human-Pipeline für ein Münchner XR-Trainings-SaaS
Du erhältst 4 hochauflösende 3D-Scans (rund 5 Millionen Dreiecke pro Scan) und eine PBR-Workflow-Spezifikation. Implementiere eine Pipeline in Python und Blender-Scripting: (1) …
- Digital Humans
- Mesh Processing
- Pbr Texturing
Fachübergreifend - 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 - CodeEinsteigerNeu
Bild-Klassifikator für die Qualitätskontrolle in einer Schwarzwälder Holzverarbeitung
Sie erhalten 4.200 annotierte Bilder (Defekt-Typ als Label, plus 'kein Defekt') aufgeteilt 70/15/15 in Train/Val/Test und ein Vergleichs-Datensatz mit 200 Inspektoren-bewerteten…
- Transfer Learning
- Image Classification
- Python
Machine Learning (CS Elective) - 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
Computational-Photography-Pipeline für Modefotos im Studio
Du erhältst 800 Rohaufnahmen (RAW + JPEG) plus Metadaten aus drei Studio-Sessions sowie eine Liste der heutigen manuellen Verarbeitungs-Schritte. Implementiere eine Pipeline in …
- Computational Photography
- Image Processing
- Background Removal
Image Processing and Computational Imaging - 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 - CodeMittelstufeNeu
Verkehrsteilnehmer-Erkennung für einen Stuttgarter Premium-OEM verbessern
Sie erhalten 18.000 gelabelte Innenstadt-Frames aus drei DACH-Städten plus 1.500 Frames mit dokumentierten Edge Cases (Schaufenster-Spiegelung, Schatten, Regen). Trainieren Sie …
- Object Detection
- Transfer Learning
- Edge Case Analysis
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 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
- CodeEinsteigerNeu
Mehrkamera-Rig für ein Fahrerlose-Transportsystem-Startup kalibrieren
Du entwirfst und prototypisierst einen Kalibrier-Workflow mit einem gedruckten ChArUco-Brett (Schachbrettmuster mit eingebetteten ArUco-Markern). Du erhältst einen Beispiel-Date…
- Camera Calibration
- Multi View Geometry
- Opencv
Fachübergreifend - CodeMittelstufeNeu
Sensorfusions-Prototyp für einen ZF-nahen Tier-1-Zulieferer aus Friedrichshafen
Sie nutzen den nuScenes-Datensatz als öffentliche Basis. Implementieren Sie eine späte Fusion auf Objektebene: Kamera-Detektor (vortrainiert) plus Radar-Punkte, die mittels Kalm…
- Sensor Fusion
- Kalman Filter
- Object Detection
Fachübergreifend - CodeMittelstufeNeu
Bildverarbeitungsmodell für die Qualitätskontrolle eines OWL-Mittelständlers
Sie erhalten 4.500 gelabelte Bilder von Gehäuseoberflächen (Klassen: in Ordnung, Kratzer, Delle, Verfärbung). Trainieren Sie ein Convolutional Neural Network (CNN) — entweder fi…
- Computer Vision
- Cnn
- Transfer Learning
Applied Machine Learning - AnalysisEinsteigerNeu
Wahrnehmungs-Audit für einen Pick-and-Place-Cobot im Mittelstand
Du erhältst 500 aufgezeichnete Pick-Versuche (RGB-D-Frames + finale Greifer-Pose + Erfolg/Misserfolg-Label). Implementiere eine Auswertungs-Pipeline, die für jeden Versuch (1) d…
- Perception
- Image Processing
- Data Analysis
Fachübergreifend - 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 - 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 - CodeMittelstufeNeu
Segmentierung von Lungen-CT-Aufnahmen für ein Münchner MedTech
Du erhältst Zugriff auf den öffentlichen LUNA16-Datensatz (888 anonymisierte Lungen-CT-Scans, frei verfügbar für Forschung) und eine kleine Validierungsmenge mit präzisen Annota…
- Medical Image Segmentation
- U Net
- Pytorch
Fachübergreifend - 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
Hindernis-Erkennung für Inspektions-Drohnen in Offshore-Windparks
Du erhältst einen annotierten Datensatz von 8.000 Stereo-Frames aus echten Offshore-Inspektionen (Pixel-Labels für Blatt, Mast, Strebe, Hintergrund-Meer/Himmel). Trainiere ein l…
- Semantic Segmentation
- Edge Deployment
- Pytorch
Robot Perception and Autonomy - 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 - CodeEinsteigerNeu
Pflanzen-Erkennungs-App für ein Freiburger Naturschutz-Projekt
Sie erhalten 8.000 gelabelte Pflanzenbilder aus iNaturalist (auf die 25 regionalen Arten gefiltert) plus 200 Bilder, die Ehrenamtliche selbst gemacht haben (mit handheld-typisch…
- Image Classification
- Transfer Learning
- Data Augmentation
Computer Vision (Undergraduate) - CodeMittelstufeNeu
Bildrestaurierung historischer Drucke für ein Wiener Archiv
Du erhältst 300 hochaufgelöste Scans (TIFF) und eine Validierungsmenge von 30 manuell restaurierten Referenzseiten. Implementiere eine Restaurierungs-Pipeline mit (1) Vergilbung…
- Image Restoration
- Inpainting
- Super Resolution
Image Processing and Computational Imaging
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.