KI & Daten
Deep Learning Industrieprojekte
Deep Learning-Challenges versetzen dich mitten in die Arbeit, Modelle zu bauen, die aus rohen Daten lernen. Du entwickelst Fähigkeiten in Neuronalen Netzen und Feedforward-Netzen, wendest Data Augmentation an und trainierst Modelle in PyTorch oder TensorFlow neben den Grundlagen des Reinforcement Learning.
Von dort meisterst du die kniffligeren Themen — Transformer-Architektur, Attention-Mechanismen, Custom-Architektur-Design und Distributed Training — und arbeitest mit PyTorch Lightning / Hugging Face Trainer, JAX-Forschungsmustern und Ablation-Study-Design. Jede gelöste Challenge bringt dir einen verifizierten Nachweis für Recruiter.
- ResearchMittelstufeNeu
Reproduktion einer NeurIPS-Studie als Master-Lab-Projekt
Wählen Sie ein NeurIPS-2024- oder -2025-Paper mit verfügbarem Code und Datensatz. Reproduzieren Sie die Hauptexperimente (mindestens Tabelle 1 oder die Hauptgrafik). Dokumentier…
- Research Methodology
- Reproducibility
- Pytorch
Fachübergreifend - ResearchSeniorNeu
GAN-basierter Daten-Augmentations-Pipeline für medizinische Bildgebung
Du erhältst einen anonymisierten Bilddatensatz (rund 12.000 Lungenröntgen, 14 Befund-Klassen, davon 3 unterrepräsentiert mit jeweils <200 Beispielen) sowie den bestehenden Klass…
- Gans
- Data Augmentation
- Medical Imaging
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
GNN-basierte Betrugserkennung für ein Zahlungs-Netzwerk
Du bekommst zwei Wochen anonymisierter Transaktionen als gerichteter bipartiter Graph (rund 280k Nutzer-Knoten, 12k Händler-Knoten, 1,2 Mio. Kanten) plus Betrugs-Labels. Impleme…
- Graph Neural Networks
- Graphsage
- Pytorch Geometric
Machine Learning on Graphs 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
Simulationsbasierte Bayes'sche Inferenz für Sensor-Kalibrierung
Du arbeitest mit einem öffentlich dokumentierten nicht-linearen Sensormodell mit fünf Parametern, das du aus einem bestehenden Simulator beziehen kannst. Generiere mit dem Simul…
- Simulation Based Inference
- Normalizing Flows
- Bayesian Inference
Fachübergreifend - ResearchSeniorNeu
Krankheitsverlaufs-Modellierung von Diabetes Typ 2 fuer eine Berliner Versorgungsforschung
Du erhaeltst rund 20 000 Patient:innen mit jeweils 8-15 HbA1c-Messungen ueber 6 Jahre plus Baseline-Merkmale. Implementiere zwei Modelle: (1) ein Mixed-Effects-Modell (gemischte…
- Disease Progression
- Mixed Effects Models
- Sequence Models
Fachübergreifend - ResearchSeniorNeu
Sim-to-Real-Bewertung für ein Berliner Lager-Robotik-Startup
Verwende eine trainierte PPO-Policy (Proximal Policy Optimization — ein populärer RL-Algorithmus) für eine Block-Stack-Aufgabe in Isaac Gym oder Isaac Lab. Implementiere drei Si…
- Reinforcement Learning
- Sim To Real
- Domain Randomization
Fachübergreifend - CodeMittelstufeNeu
Structured Prediction für die Layoutextraktion in einem Düsseldorfer LegalTech
Du erhältst 4.000 annotierte deutsche Vertrags-PDFs mit pro Token gelabelten Klauselgrenzen, Sektionsgrenzen und Klauseltypen (15 Klassen). Trainiere zwei Modelle: (a) BERT-Base…
- Structured Prediction
- Conditional Random Fields
- Named Entity Recognition
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.
- 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
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 - 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 - CodeSeniorNeu
Neural-Operator-Surrogat für Strömungssimulation in einem Windpark
Du erhältst 1.200 RANS-Simulationen eines vereinfachten 12-Turbinen-Parks mit variierenden Windrichtungen, Windgeschwindigkeiten und Turbulenzintensitäten. Trainiere einen FNO a…
- Neural Operators
- Fourier Neural Operator
- Cfd Surrogates
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
- ResearchSeniorNeu
Sim-to-Real-Policy für einen 6-Achs-Greifroboter überführen
Du erhältst Zugriff auf einen MuJoCo-Simulator des Greifarms, eine vortrainierte PPO-Policy und einen Datensatz von 200 Real-Roboter-Episoden mit Erfolgs-/Misserfolgs-Labeln. Er…
- Policy Gradients
- Ppo
- Sim To Real
Deep Reinforcement 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…
- Self Supervised Learning
- Transfer Learning
- Medical Image Classification
Fachübergreifend - 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) - AnalysisMittelstufeNeu
Stereo-Tiefenschätzung für einen Schwarzwälder Mähroboter-Hersteller
Sie erhalten 400 kalibrierte Stereopaare aus Garten- und Park-Szenen plus spärliche LiDAR-Ground-Truth. Implementieren Sie drei Tiefenschätzer: OpenCV Semi-Global Matching (SGM)…
- Stereo Depth Estimation
- Multi View Geometry
- Model Evaluation
Fachübergreifend - ResearchSeniorNeu
Mixture-of-Experts-Skalierungsanalyse für ein Climate-Tech-Forschungslabor
Verwende den ERA5-Re-Analyse-Datensatz (öffentlich, durch ECMWF bereitgestellt). Trainiere eine Familie dichter Transformer (50M, 150M, 400M Parameter) und eine parameter-äquiva…
- Mixture Of Experts
- Scaling Laws
- Transformer Architectures
Fachübergreifend - CodeSeniorNeu
DPO-Finetuning fuer Tonalitaets-Anpassung eines mehrsprachigen Modells
Du erhaeltst ein Open-Source-Basismodell (rund 8B Parameter), 4.000 Praeferenzpaare und 200 Holdout-Prompts. Implementiere: (1) SFT-Baseline auf den 'chosen'-Antworten, (2) DPO-…
- Direct Preference Optimization
- Supervised Finetuning
- Lora
Machine Learning from Human Preferences (RLHF and Alignment) - AnalysisMittelstufeNeu
Stereo-Tiefenschätzung für ein Drohnen-Inspektions-Startup vergleichen
Du erhältst 500 kalibrierte Stereo-Paare aus einer Turbinen-Inspektion plus sparsame LiDAR-Ground-Truth für jedes Paar. Implementiere (oder integriere) drei Tiefenschätzer: Open…
- Stereo Depth Estimation
- Multi View Geometry
- Model Evaluation
3D Vision and Multi-View Geometry - ResearchMittelstufeNeu
Lernen aus Nutzerfeedback für einen Pflegeassistenz-Roboter
Du erhältst eine Habitat-2.0-Simulationsumgebung mit einem mobilen Roboter, drei Räumen und einem virtuellen Nutzer-Agent, der unterschiedliche Komfort-Profile simuliert (z. B. …
- Reinforcement Learning
- Rlhf
- Pytorch
Fachübergreifend - ResearchSeniorNeu
Normalizing-Flow-Modell für Energiepreis-Risiko in einem Energieversorger
Du erhältst 4 Jahre Spotpreis-Daten plus Tages-Last und Wind-Einspeise-Prognosen. Implementiere einen bedingten Normalizing-Flow (z. B. Real-NVP oder Neural Spline Flow), traini…
- Normalizing Flows
- Density Estimation
- Conditional Generation
Fachübergreifend - CodeSeniorNeu
Detektion von diabetischer Retinopathie fuer ein Mittelstand-MedTech
Du erhaeltst rund 35 000 Funduskamera-Bilder mit DR-Labels (5 Klassen, stark imbalanciert). Trainiere einen EfficientNet-B4-Klassifikator mit Klassen-gewichteten Loss und starke…
- Medical Image Classification
- Deep Learning
- Pytorch
Machine Learning for Imaging and Medical Image Analysis - AnalysisMittelstufeNeu
Vision Transformer für 3D-MRT-Anomalieerkennung benchmarken
Du verwendest den öffentlichen BRATS-Datensatz (Hirntumor-MRT, frei zugänglich) als Stellvertreter für die internen Daten. Implementiere drei Architekturen mit MONAI (medizinisc…
- Vision Transformers
- Medical Imaging
- Pytorch
Fachübergreifend - CodeSeniorNeu
Constitutional-AI-Replikation fuer mittelstaendischen Versicherungs-Chatbot
Du entwirfst: (1) eine Constitution mit 8-12 Sicherheits-Prinzipien fuer Versicherungs-Kundenkontakt (Datenschutz, Beratungsabgrenzung, klare Eskalation), (2) eine Critique-and-…
- Constitutional Ai
- Rlhf
- Direct Preference Optimization
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.



















































































