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
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
Verkehrsteilnehmer-Erkennung für einen Stuttgarter Premium-OEM verbessern
Sie erhalten 18.000 gelabelte Innenstadt-Frames aus drei DACH-Städten plus 1.500 Frames mit dokumentierten Edge Cases (Schaufenster-Spiegelung, Schatten, Regen). Trainieren Sie …
- Object Detection
- Transfer Learning
- Edge Case Analysis
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
Sim-to-Real-Transfer für einen Quadruped-Inspektionsroboter
Du arbeitest in Isaac Gym (NVIDIA-GPU-beschleunigter Roboter-Simulator) mit einem URDF des Roboters. Trainiere eine Policy zum Laufen auf nassem Beton mit Domain-Randomization ü…
- Learning Based Control
- Reinforcement Learning
- Simulation
Robotics 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
Modell-Pruning für ein Fahrer-Müdigkeitssystem im Automotive-ECU
Du erhältst ein in PyTorch trainiertes Müdigkeits-CNN (ResNet-18-Basis) plus einen markierten Datensatz von 20.000 Gesichts-Crops aus Fahrer-Innenraumkameras. Implementiere stru…
- Model Pruning
- Hardware Aware Design
- Pytorch
Fachübergreifend - ResearchMittelstufeNeu
Mammographie-Klassifikator mit Erklaerbarkeit fuer ein Wiener Brustzentrum
Du erhaeltst rund 6 000 Mammographie-Bilder mit BI-RADS-Labels (Breast Imaging Reporting and Data System, Standardklassifikation 0-6) aus einem oeffentlichen Datensatz (z. B. CB…
- Medical Image Classification
- Deep Learning
- Model Interpretation
Machine Learning for Imaging and Medical Image Analysis - CodeMittelstufeNeu
Echtzeit-Detektion von Schutzausrüstung auf einer Großbaustelle
Du erhältst 6.000 annotierte Bilder (Personen mit/ohne Helm, mit/ohne Warnweste) sowie Test-Videos von 3 Kameras. Trainiere YOLOv8 oder YOLOv10 auf den 4 Klassen, optimiere für …
- Object Detection
- Yolo
- Edge Deployment
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 - Browse challenges
Explore role
Pricing Strategist
Set the price that captures value without leaving sales on the table. Demand modelling, willingness-to-pay research, and the disciplined experimentation that turns pricing into a competitive advantage.
- 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 - 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 - 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 - ResearchMittelstufeNeu
Autoregressive Sequenz-Generation für ein Game-Studio in Berlin
Du erhältst die Quest-Bibliothek (strukturierter JSON-Datensatz mit Ziel, Twist, Belohnung, Welt-Tags) sowie eine Stilrichtlinie aus dem Writers' Room. Trainiere einen kleinen a…
- Autoregressive Models
- Transformer Training
- Text Generation
Deep Generative Models Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- CodeSeniorNeu
Off-Policy-Imitation aus Werker-Aufzeichnungen bei Stuttgarter Automotive-Tier-1
Du erhaeltst die 18.000 Trajektorien plus ein passendes Sim-Modell der Vor-Montage-Zelle. Implementiere: (1) BC-Baseline auf den vollen Daten, (2) IQL oder CQL als Offline-RL, (…
- Offline Reinforcement Learning
- Implicit Q Learning
- Conservative Q Learning
Robot Learning - 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 - 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 - 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 - 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 - CodeMittelstufeNeu
Lern-basierte Greifer-Steuerung für einen Sortierautomaten
Du erhältst einen Datensatz von 6.000 Greif-Episoden (Kamerabild vor dem Greifvorgang, Kommando-Saugkraft, Last-Sensor-Verlauf, Erfolg/Misserfolg-Label). Trainiere ein Modell, d…
- Learning Based Control
- Computer Vision
- Pytorch
Fachübergreifend - CodeMittelstufeNeu
Policy Gradient fuer Energy-Storage-Bidding in Berlin
Du erhaeltst 6 Monate Spotmarkt- und Regelleistungspreise (15-Minuten-Aufloesung) sowie eine Batterie-Spezifikation (Kapazitaet, Lade-/Entlade-Wirkungsgrad, Zyklus-Kostenmodell)…
- Policy Gradient
- Reinforce
- Function Approximation
Reinforcement Learning - 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
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 - CodeMittelstufeNeu
PINN für die Wärmeleitung in einem Spritzgießwerkzeug
Du erhältst 200 FEM-Referenzlösungen für unterschiedliche Kühlkanal-Geometrien (Position und Durchmesser) eines vereinfachten 2D-Werkzeugquerschnitts. Implementiere ein PINN mit…
- Physics Informed Neural Networks
- Pytorch
- Scientific Computing
AI for Science and Engineering - CodeSeniorNeu
Federated Learning für Tier-1-Zulieferer-Konsortium
Sie simulieren drei Clients (je ein Zulieferer) mit nicht-IID-verteilten Datensätzen (jeder Zulieferer hat eigene Defekt-Klassen-Verteilung). Implementieren Sie FedAvg und FedPr…
- Federated Learning
- Fedavg
- Fedprox
Fachübergreifend - AnalysisMittelstufeNeu
Szenenverständnis-Benchmark für ein Autonomes-Fahren-Team
Du erhältst 800 Frontkamera-Frames aus DACH-Straßen (Mischung Stadt, Land, Autobahn) plus 80 von Domänenexpert:innen geschriebene Szenenbeschreibungen als Goldstandard. Vergleic…
- Vision Language Models
- Scene Understanding
- Model Evaluation
Visual Intelligence and Visual Reasoning
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.



















































































