KI & Daten
Deep Learning Challenges
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.
Empfohlene Industrieprojekte
· Neuronale Netze Zurücksetzen- CodeMittelstufeNeu
Wirkstoffkandidaten-Screening mit Graph Neural Networks
Du nutzt einen ChEMBL-Auszug für eine vergleichbare Kinase-Familie als öffentliche Trainingsbasis. Trainiere zwei GNN-Architekturen (Message Passing Neural Network und Graph Att…
- Neuronale Netze
- Molecular Property Prediction
- Scaffold Split
AI for Science and Engineering - ResearchMittelstufeNeu
Kernel-Methoden vs. neuronales Netz auf Chromatographie-Daten
Du erhaeltst rund 12 000 Chargen mit je einem 800-Punkt-Chromatogramm (numerische Zeitreihe) plus Zielspalte (konform/abweichend). Implementiere zwei Vergleichsmodelle: (1) Kern…
- Kernel Methods
- Neuronale Netze
- Modell Evaluation
Machine Learning - 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…
- Neuronale Netze
- Graphsage
- Pytorch Geometric
Machine Learning on Graphs - ResearchSeniorNeu
Trajektorienvorhersage für einen Ingolstädter Premium-OEM evaluieren
Sie nutzen den Argoverse-2-Motion-Forecasting-Datensatz als Standard-Benchmark. Trainieren Sie ein einfaches LSTM-Modell als Baseline und ein VectorNet-ähnliches Graph-Modell al…
- Trajectory Prediction
- Neuronale Netze
- Lstm
AI for Autonomous Vehicles 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
Multi-Task-Learning fuer einen E-Commerce-Recommender
Du erhaeltst 18 Monate Web-Telemetrie-Daten (rund 4,2 Millionen Sessions) mit Labels fuer alle drei Aufgaben. Implementiere zwei Architekturen: (1) drei separate XGBoost-Modelle…
- Multi Task Learning
- Neuronale Netze
- Modell Evaluation
Meta-Learning, Transfer Learning, and Multi-Task Learning - ResearchMittelstufeNeu
Federated-Learning-Prototyp für eine DACH-Pharma-Allianz
Du erhältst öffentlich verfügbare Tox21-Daten (Standard-Toxizitäts-Benchmark), die du in drei nicht überlappende Partitionen aufteilst, um die drei Standorte zu simulieren. Baue…
- Federated Learning
- Neuronale Netze
- Python Oder Javascript
Computational Biology and Health Informatics
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.