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.
- CodeEinsteigerNeu
Transformer-Klassifikator für Kundenservice-Mails in einem Energiehandel
Du erhältst 18.000 gelabelte Mails (6 Klassen, anonymisiert). Trainiere einen deutschen BERT (z. B. GBERT oder dbmdz/bert-base-german-cased), vergleiche gegen TF-IDF + logistisc…
- Transformer Architectures
- Text Classification
- Fine Tuning
Deep 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
- Graph Neural Networks
- Python
Fachübergreifend - 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
Kooperative Agenten für Game-Studio in Wien
Sie bekommen ein vereinfachtes Grid-World-Spiel (Ressourcen sammeln, Hindernisse umgehen, gemeinsame Ziele erreichen) mit Python-API. Implementieren Sie zwei KI-Begleiter-Varian…
- Multi Agent Rl
- Mappo
- User Study
Multi-Agent Systems 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
- CodeMittelstufeNeu
Keyword-Spotting für ein Industrie-Hörgerät auf der Schwäbischen Alb
Du erhältst einen deutschen Keyword-Datensatz mit 8 Warn-Worten (rund 12.000 Samples) und 30 Stunden Industrie-Hintergrund-Geräusche aus Werkshallen. Trainiere ein leichtes Conv…
- Keyword Spotting
- Speech Recognition
- Edge Deployment
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
Actor-Critic fuer adaptive Ampelsteuerung in einer mittleren Stadt
Du erhaeltst eine SUMO-Konfiguration fuer den Innenstadtbereich mit 8 Kreuzungen sowie Verkehrszaehldaten fuer eine typische Werktagswoche. Implementiere Multi-Agent-Actor-Criti…
- Actor Critic
- Multi Agent Rl
- Function Approximation
Reinforcement Learning - 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 - Browse challenges
Explore role
Marketing Analyst
Plan and measure campaigns that grow the business. Funnel analytics, attribution, segmentation, and the rigorous measurement that lets marketing defend its budget at the leadership table.
- 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 - 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 - 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
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 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
- CodeEinsteigerNeu
Knowledge Distillation für ein IoT-Türschloss mit Stimmerkennung
Du bekommst ein in PyTorch trainiertes Lehrer-Modell (rund 18 MB, ECAPA-TDNN-Stil) plus 8.000 5-Sekunden-Sprachfenster mit Sprecher-Labeln. Trainiere ein Schüler-Modell unter 50…
- Knowledge Distillation
- Edge Inference
- Pytorch
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 - 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
Spurerkennungs-Lab für Tier-1-Zulieferer im Raum Stuttgart
Sie arbeiten mit dem öffentlichen TuSimple-Spurerkennungs-Datensatz (rund 6.000 annotierte Bilder). Trainieren Sie zwei Architekturen: (1) ein klassisches CNN mit Spline-Regress…
- Pytorch
- Computer Vision
- Lane Detection
AI/ML Practicum and Hands-on Lab - CodeSeniorNeu
Distributed-Training-Setup für DAX-Konzern in Frankfurt
Sie bekommen Zugriff (per VPN) auf einen Test-Cluster mit 4 Knoten à 4 A100-GPUs. Trainieren Sie ein 1,3-Milliarden-Parameter-Sprachmodell (Pythia oder eine eigene Variante) mit…
- Distributed Training
- Pytorch
- Fsdp
Fachübergreifend - CodeMittelstufeNeu
DQN-Routing-Policy für mobile Lagerroboter trainieren
Du bekommst einen Gymnasium-kompatiblen Lager-Simulator (50x50-Raster, 8 dynamische Fußgänger als Hindernisse, 20 zufällige Pick-Positionen) und das Baseline-A*-Skript. Trainier…
- Deep Q Learning
- Reinforcement Learning
- Pytorch
Deep Reinforcement Learning - ResearchSeniorNeu
Interpretierbarkeits-Analyse eines fein-justierten Sprachmodells
Du erhältst Zugang zum Basismodell und zum fein-justierten Modell sowie zu einem kuratierten Probing-Datensatz (etwa 200 sorgfältig konstruierte Prompts pro Verhaltens-Kategorie…
- Mechanistic Interpretability
- Activation Patching
- Logit Lens
AI Safety and Alignment - CodeMittelstufeNeu
Reinforcement Learning fuer Greifoptimierung in Picking-Robotern in der OWL-Logistik
Du erhaeltst eine Simulation mit gemischten Bin-Objekten (40 SKUs aus dem Konsumgueterbereich) und einen realen Greif-Datensatz von 2.000 Versuchen mit Erfolgs-Label. Trainiere:…
- Reinforcement Learning
- Robotic Grasping
- Ppo
Fachübergreifend - 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 - 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 - CodeEinsteigerNeu
Segmentierung von Wundfotos für eine Berliner Heimpflegeapp
Sie erhalten 1.500 gelabelte Wundfotos (Bildmaske pro Bild, kuratiert von einer Wund-Expertin) — keine echten Patientendaten, sondern ein synthetisch erstellter Beispiel-Datensa…
- Image Segmentation
- U Net
- Pytorch
Fachübergreifend - 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
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.



















































































