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.
Empfohlene Industrieprojekte
· PyTorch oder TensorFlow Zurücksetzen- CodeMittelstufeNeu
Multimodale Schadenserkennung fuer einen Versicherer aus Foto + Sprachmemo
Du erhaeltst rund 4 800 anonymisierte Schadenmeldungen: pro Meldung ein JPEG (Schadensfoto) und eine WAV-Datei (Sprachmemo, deutsch). Verarbeite das Foto mit einem vortrainierte…
- Multimodal Learning
- Computer Vision
- Speech Recognition
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
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
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 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
- ResearchSeniorNeu
End-to-End-Lernen für einen Münchner Premium-OEM evaluieren
Sie nutzen den CommaAI Comma2k19-Datensatz als offene Basis (Frontkamera plus Steuerdaten). Trainieren Sie ein ConvNet, das aus dem aktuellen Frame Lenkwinkel-Delta und Geschwin…
- End To End Learning
- Imitation Learning
- Pytorch
Fachübergreifend - CodeEinsteigerNeu
Actor-Critic-Agent für ein klassisches Echtzeitstrategie-Spiel
Du erhältst eine Trainingsumgebung mit 20x20-Karte, drei Einheitstypen, Ressourcen-Sammeln und Kampfmechanik (Gymnasium-kompatibel) sowie den heutigen heuristischen Gegner. Trai…
- Actor Critic
- Policy Gradients
- Reinforcement Learning
Fachübergreifend - DesignMittelstufeNeu
Generatives Wahrnehmungs-Modell fuer einen Industriedesign-Studio
Du baust eine Pipeline auf Basis von Stable Diffusion mit ControlNet (auf Edge-Map konditioniert), die Skizzen + Style-Referenz in foto-realistische Konzept-Renders konvertiert.…
- Generative Models
- Diffusion Models
- User Study Design
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 - 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.
- ResearchMittelstufeNeu
Niedrigressourcen-MT fuer Schweizerdeutsch in einer Bundesverwaltung
Du erhaeltst rund 12 000 parallele Saetze (Schweizerdeutsch → Standarddeutsch) plus rund 100 000 einsprachige Saetze in Schweizerdeutsch. Implementiere Backtranslation: trainier…
- Neural Machine Translation
- Data Augmentation
- Low Resource Mt
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 - CodeSeniorNeu
Lexikalische Beschraenkungen fuer einen Pharma-Beipackzettel-Uebersetzer
Du erhaeltst rund 5 000 Beipackzettel-Saetze mit annotierten Pharma-Termini plus ein Glossar von rund 800 vorgeschriebenen Term-Uebersetzungen. Implementiere constrained beam se…
- Constrained Decoding
- Neural Machine Translation
- Domain Adaptation
Fachübergreifend - CodeSeniorNeu
Modellbasiertes RL für Energie-Speichersteuerung
Du bekommst zwei Jahre stündliche Day-Ahead- und Intraday-Preisdaten plus ein Batterie-Modell (Kapazität, Round-Trip-Effizienz, Degradation). Trainiere ein neuronales Übergangsm…
- Model Based Rl
- Reinforcement Learning
- Time Series Forecasting
Fachübergreifend 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 - 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 - 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 - ResearchSeniorNeu
Zertifizierte Robustness für einen medizinischen Klassifikator
Du erhältst ein bestehendes Klassifikations-Modell (PyTorch), einen anonymisierten Patientendaten-Datensatz von rund 14.000 Fällen und die internen Eingabe-Toleranz-Anforderunge…
- Certified Robustness
- Randomized Smoothing
- Adversarial Robustness
Trustworthy AI, Robustness, and Safety - 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
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 - ResearchMittelstufeNeu
Embedding-Modell für deutsche Produktdaten feinjustieren
Du erhältst 80.000 Produkt-Datensätze (Titel, Beschreibung, Kategorien) plus 1.200 historische Klick-Logs ('Anfrage X -> geklicktes Produkt Y') und 100 manuell gelabelte Test-An…
- Embedding Fine Tuning
- Contrastive Learning
- Sentence Transformers
Vector Databases and Embeddings - ResearchSeniorNeu
Hardware-aware NAS für ein Wildtierkamera-Modell
Du bekommst einen markierten Datensatz von 60.000 Wildtierbildern aus Alpenwildkameras (12 Spezies-Klassen) und einen NAS-Baukasten (MobileNet-Search-Space). Definiere eine mult…
- Neural Architecture Search
- Hardware Aware Design
- Edge Inference
Fachübergreifend - ResearchMittelstufeNeu
Aufmerksamkeits-Analyse zur Erklaerung von MT-Fehlern fuer ein EU-Sprachenteam
Du erhaeltst rund 200 Saetze mit beobachteten Faktenfehlern (Zahlen, Eigennamen, Negationen). Verwende ein vortrainiertes Transformer-MT-Modell (z. B. Helsinki-NLP/opus-mt) und …
- Attention Mechanism
- Transformers
- Model Interpretation
Machine Translation - CodeEinsteigerNeu
Satellitenbild-Klassifikation für eine Klima-NGO in Hamburg
Du erhältst 1.500 vorlabelte Sentinel-2-Patches (jeweils 256x256 Pixel) aus drei Bundesländern (Niedersachsen, Mecklenburg-Vorpommern, Schleswig-Holstein) mit drei Klassen plus …
- Remote Sensing
- Image Segmentation
- U Net
Image Processing and Computational Imaging - 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 - ResearchSeniorNeu
Federated Learning fuer einen multi-zentrischen MRT-Datensatz
Du simulierst Federated Learning mit Flower oder PySyft auf 3 simulierten Standorten (rund 200 MRT-Volumen pro Standort, BraTS-aehnlicher Datensatz). Trainiere ein 3D-U-Net mit …
- Federated Learning
- Medical Image Segmentation
- U Net
Machine Learning for Imaging and Medical Image Analysis
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.



















































































