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.
- 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 - 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 - 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 - 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 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
Physikalisch korrekte Fluid-Simulation für ein Kölner VFX-Studio
Du erhältst eine Anforderungs-Spezifikation: SPH-Simulation in C++ mit Kernel-Funktion nach Müller, Druck-Dichte-Korrektur, Surface-Tension nach Akinci, Boundary-Handling über G…
- Physically Based Simulation
- Fluid Simulation
- Cpp
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 - 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
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 - Browse challenges
Explore role
Strategy Analyst
Frame the business question, model the options, build the recommendation. From market sizing to competitive analysis, this role is where strategy consulting meets in-house decision-making.
- 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 - 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
- Transfer Learning
- Computer Vision
AI/ML Practicum and Hands-on Lab - 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 - 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) Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- 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 - 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
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
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 - 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 - StrategyEinsteigerNeu
Kaufverhalten von Handwerksbetrieben für Werkzeug-Abos modellieren
Analysiere das Kaufentscheidungsverhalten von Handwerksbetrieben bei der Beschaffung von Werkzeugen unter Berücksichtigung aller relevanten internen und externen Einflussfaktore…
- B2B Buyer Behavior
- Segmentation Strategy
- Business Model Design
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 - 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
Adversariale Robustness eines Bilderkennungs-Modells im Bauwesen
Du erhältst das vortrainierte Modell (PyTorch), einen Test-Datensatz von rund 6.000 Baustellen-Bildern mit PSA-Labeling und Zugang zu einer Robustness-Bibliothek (z. B. torchatt…
- Adversarial Robustness
- Robustness
- Computer Vision
Trustworthy AI, Robustness, and Safety - CodeMittelstufeNeu
Geometrieverarbeitung großer Punktwolken für ein Wiener AR-Startup
Du erhältst 3 reale LiDAR-Punktwolken (anonymisierte Wiener Stadtquartiere) und Beispiel-Output-Spezifikationen. Implementiere eine Pipeline in C++ mit PCL (Point Cloud Library …
- Geometry Processing
- Point Cloud Processing
- Surface Reconstruction
Advanced Computer Graphics - AnalysisEinsteigerNeu
Kaufabbrüche im Online-Shop eines Solaranbieters aus Freiburg analysieren
Analysiere den vollständigen Kaufentscheidungsprozess der beiden Hauptzielgruppen Hausbesitzer:innen unter 40 und über 55 Jahre für eine Solaranlage. Erstelle ein detailliertes …
- Consumer Psychology
- Customer Journey Mapping
- Conversion Optimization
Fachübergreifend - 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
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.