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
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 - CodeMittelstufeNeu
Diffusionsmodell für Mode-Lookbook-Variationen trainieren
Du erhältst 30 Studio-Fotos des Sommer-Lookbooks plus eine Stilrichtlinie (Lichtsetzung, Farbpalette, Pose-Repertoire). Finetune mit LoRA (Low-Rank Adaptation) auf SDXL, generie…
- Diffusion Models
- Lora Finetuning
- Stable Diffusion
Fachübergreifend - 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
- Neural Networks
- Model Evaluation
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 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
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 - 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 - 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
DPO-Finetuning fuer Tonalitaets-Anpassung eines mehrsprachigen Modells
Du erhaeltst ein Open-Source-Basismodell (rund 8B Parameter), 4.000 Praeferenzpaare und 200 Holdout-Prompts. Implementiere: (1) SFT-Baseline auf den 'chosen'-Antworten, (2) DPO-…
- Direct Preference Optimization
- Supervised Finetuning
- Lora
Machine Learning from Human Preferences (RLHF and Alignment) - 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
Deutsche Sprachsteuerung für ein Infotainment-System eines Autoherstellers
Du erhältst einen deutschsprachigen Befehls-Datensatz (rund 5.000 Audio-Clips mit 60 Infotainment-Befehlen wie 'Navigation nach Stuttgart starten' oder 'Klima auf 21 Grad setzen…
- Speech Recognition
- Audio Processing
- Pytorch
Speech Recognition and Spoken Language Processing - 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 - CodeMittelstufeNeu
Structured Prediction für die Layoutextraktion in einem Düsseldorfer LegalTech
Du erhältst 4.000 annotierte deutsche Vertrags-PDFs mit pro Token gelabelten Klauselgrenzen, Sektionsgrenzen und Klauseltypen (15 Klassen). Trainiere zwei Modelle: (a) BERT-Base…
- Structured Prediction
- Conditional Random Fields
- Named Entity Recognition
Fachübergreifend - 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 Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
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 - 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
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 - 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 - 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 - ResearchMittelstufeNeu
Simulationsbasierte Bayes'sche Inferenz für Sensor-Kalibrierung
Du arbeitest mit einem öffentlich dokumentierten nicht-linearen Sensormodell mit fünf Parametern, das du aus einem bestehenden Simulator beziehen kannst. Generiere mit dem Simul…
- Simulation Based Inference
- Normalizing Flows
- Bayesian Inference
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 - 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 - AnalysisMittelstufeNeu
Imitation-Learning-Baseline für ein autonomes Lieferfahrzeug
Du erhältst 12 Stunden Telemetrie + Kamera-Stream menschlicher Sicherheitsfahrten aus dem Münchner Innenstadtgebiet sowie einen CARLA-Stadt-Simulator. Trainiere eine Behavior-Cl…
- Imitation Learning
- Behavior Cloning
- Pytorch
Deep Reinforcement Learning - 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 - 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 - 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
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.



















































































