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.
- 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
- Image Classification
- Model Evaluation
Visual Intelligence and Visual Reasoning - 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
- Neural Networks
- Model Evaluation
Fachübergreifend - ResearchMittelstufeNeu
Auktions-Agenten für Berliner Strommarkt-Forschungslabor
Bauen Sie das Simulationsframework in Python (Mesa oder eigenes Setup). Implementieren Sie drei Agententypen mit unterschiedlichen Bietstrategien: (1) myopisch-rationale Agenten…
- Multi Agent Systems
- Reinforcement Learning
- Market Design
Multi-Agent Systems - CodeMittelstufeNeu
Reward-Modell aus Praeferenzdaten fuer Berliner Schreibassistenten
Du erhaeltst die 12.000 Praeferenzpaare (Prompt, Response A, Response B, Praeferenz, Annotator-ID) plus Demographie-Tags der Annotatorinnen. Trainiere ein Reward Model nach Brad…
- Reward Modeling
- Preference Learning
- Bradley Terry
Fachübergreifend 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
- 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…
- Graph Neural Networks
- Molecular Property Prediction
- Scaffold Split
Fachübergreifend - CodeMittelstufeNeu
LSTM-Modell für Vibrations-Anomalien an einer Druckguss-Anlage
Du erhältst 8 Monate Vibrations-Sequenzen (10-kHz-Abtastung, 8 Maschinen) plus 22 bestätigte Wartungsfälle. Aggregiere auf Sekunden-Fenster (Mittelwert, Std, FFT-Hauptfrequenzen…
- Lstm Architectures
- Anomaly Detection
- Time Series
Fachübergreifend - 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 - CodeEinsteigerNeu
MLP-Baseline für Strompreis-Prognose in einem Stadtwerk
Du erhältst 3 Jahre Spotpreis-Daten plus exogene Variablen (Last, Wind, Solar, Brennstoffpreise). Implementiere eine MLP-Prognose (Input: 168 Stunden Historie + exogene Features…
- Mlp Architectures
- Time Series Forecasting
- Pytorch
Fachübergreifend - 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
VAE-basierte Anomalie-Erkennung für Banküberweisungen
Du bekommst 1,2 Mio. anonymisierte legitime Transaktionen, 4.000 als auffällig markierte Transaktionen und das heutige Regel-Set. Trainiere ein VAE auf den legitimen Daten, nutz…
- Vae
- Generative Models
- Anomaly Detection
Generative AI - 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 - 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 - CodeMittelstufeNeu
Audio-Video-Fusion für Sport-Highlight-Detektor
Sie bekommen einen Datensatz von 200 Stunden Fußballspielen mit zeitstempelten Highlight-Annotationen (Tore, Großchancen, Karten). Implementieren Sie drei Modelle: (1) rein-visu…
- Multimodal Fusion
- Video Classification
- Audio Classification
Multimodal Machine Learning Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- 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 - 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 - 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
Fachübergreifend - CodeMittelstufeNeu
Sequenzmodell fuer Sturzerkennung in einem Pflegeheim
Du erhaeltst rund 12 000 markierte Sequenzen (10 Sekunden, dreiachsig, 50 Hz) aus den Wearables — etwa 5 Prozent davon sind echte Sturz-Ereignisse, der Rest sind Alltagsbewegung…
- Sequence Models
- Time Series
- Deep Learning
Machine Perception - ResearchSeniorNeu
GAN für synthetische Trainingsdaten in der Defekterkennung
Du bekommst 4.000 echte Leiterplatten-Bilder (1.500 davon mit annotierten Defekten, davon nur 80 mit dem seltenen Defekttyp 'Microcrack') und den heutigen Detektor. Trainiere ei…
- Gans
- Generative Models
- Synthetic Data
Fachübergreifend - 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 - CodeMittelstufeNeu
LoRA-Fine-Tuning eines Mistral-Modells für Versicherungs-E-Mails
Du bekommst 25.000 anonymisierte E-Mails mit Kategorie-Labels und 5.000 Holdout-Mails. Fine-tune Mistral-7B mit LoRA-Adaptern (Rank 16, alpha 32) auf einer A100-GPU. Trainiere d…
- Lora
- Supervised Fine Tuning
- LLM Evaluation
Fine-Tuning Large Language Models - 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 - ResearchSeniorNeu
Embodied-Vision-Aufgabe für einen Indoor-Service-Roboter entwerfen
Du nutzt den Habitat-Simulator (Meta AI) mit Replica- oder Matterport3D-Szenen als Wohnzimmer-Stand-in (klinische Daten sind nicht verfügbar). Entwirf einen Such-Agent, der ein …
- Embodied Vision
- Object Navigation
- Reinforcement Learning
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 - ResearchMittelstufeNeu
NeRF für virtuelle Immobilientouren trainieren
Du erhältst einen kuratierten Datensatz von 3 Wohnungen mit je rund 120 Eingangsbildern und bereits per SfM ermittelten Kameraposen. Trainiere eine NeRF-Variante (Instant-NGP od…
- Neural Scene Representation
- Nerf
- Pytorch
Fachübergreifend - 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
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.



















































































