KI & Daten
Computer Vision Challenges
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.
Empfohlene Industrieprojekte
· Transfer Learning Zurücksetzen- 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
- Cnn Klassifikation
- Python Oder Javascript
Machine Learning (CS Elective) - 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…
- Bildverarbeitung
- Opencv
- Cnn Klassifikation
Computer Vision (Undergraduate) - 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 …
- Supervised Learning
- Representation Learning
- Pytorch Oder Tensorflow
Advanced Deep Learning - 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
Deep Learning for Computer Vision 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
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 Klassifikation
- Transfer Learning
Applied Machine Learning - 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
- Cnn Klassifikation
- Modell Evaluation
Visual Intelligence and Visual Reasoning - 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 - 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
AI for Autonomous Vehicles - 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
CNN-basierter Qualitäts-Klassifikator für eine Lebensmittel-Bäckerei-Kette
Du erhältst 24.000 annotierte Brötchen-Bilder (3 Klassen). Trainiere einen MobileNet- oder EfficientNet-Klassifikator mit Transfer Learning, evaluiere mit Macro-F1 und pro-Klass…
- Cnn Architectures
- Transfer Learning
- Cnn Klassifikation
Deep Learning - 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…
- Supervised Learning
- Transfer Learning
- Medical Image Classification
Machine Learning for Imaging and Medical Image Analysis - 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 - 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
Meta-Learning, Transfer Learning, and Multi-Task 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
- CodeEinsteigerNeu
End-to-End Defekterkennung für Schwäbischen Maschinenbauer
Sie bekommen einen Bildordner mit Klassen-Subdirectories und eine CSV mit Aufnahmemetadaten. Erstellen Sie eine reproduzierbare Pipeline: Datensplit (Train/Val/Test) ohne Leakag…
- Pytorch Oder Tensorflow
- Transfer Learning
- Computer Vision
AI/ML Practicum and Hands-on Lab - 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
- Cnn Klassifikation
- Transfer Learning
Deep Learning for Computer Vision - 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
Meta-Learning, Transfer Learning, and Multi-Task Learning - 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 - 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
- Cnn Klassifikation
- Self Supervised Pretraining
Deep Learning for Computer Vision - 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…
- Cnn Klassifikation
- Transfer Learning
- Data Augmentation
Computer Vision (Undergraduate) - 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 Oder Tensorflow
Computer Vision
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.