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
Segmentierungs-Modell für Brandschadens-Erkennung in der Versicherung
Du erhältst 3.200 anonymisierte Schadensfotos mit Pixel-Annotationen (4 Klassen: unbeschädigt, ruß, brand, wasserschäden). Trainiere ein modernes Segmentierungs-Modell (SegForme…
- Semantic Segmentation
- U Net
- Segformer
Fachübergreifend - CodeEinsteigerNeu
Transformer-Fine-Tuning für deutsche Patentanwaltskanzlei
Sie erhalten 14.000 deutsche Patentschriften-Abstracts mit Klassen-Labels. Fine-tunen Sie gbert-large (deutsches BERT) auf 80 % der Daten und evaluieren auf 20 %. Baseline: TF-I…
- Transformer Fine Tuning
- German Bert
- Text Classification
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 - ResearchMittelstufeNeu
VAE für synthetische Tabellen-Daten in einem Versicherungs-Forschungslabor
Du erhältst einen anonymisierten Schadendatensatz (100.000 Zeilen, 24 Spalten — kategorisch und numerisch gemischt). Implementiere einen Tabellen-VAE (z. B. CTGAN-Architektur od…
- Variational Autoencoders
- Synthetic Data Generation
- Differential Privacy
Fachübergreifend 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
- ResearchSeniorNeu
Self-Supervised Pretraining fuer einen Histopathologie-Anbieter
Du fuehrst Self-Supervised Pretraining (SimCLR oder DINO) auf 80 000 unlabelten Slide-Patches (224x224 Pixel) durch und vergleichst zwei Downstream-Klassifikatoren auf einem 500…
- Self Supervised Learning
- Transfer Learning
- Medical Image Classification
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 - CodeMittelstufeNeu
Lernende Re-Ranking-Schicht für eine Reise-Suchplattform
Du erhältst 1,2 Mio anonymisierte Such-Logeinträge mit Klicks und Buchungen aus drei Monaten, plus ein vordefiniertes Feature-Set (Preis, Bewertung, Verfügbarkeit, Reiseziel-Bel…
- Learning To Rank
- Lambdamart
- Xgboost
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 - Browse challenges
Explore role
Product Manager
Ship product that solves real user problems. Combine user research, prototyping, and stakeholder alignment to turn ambiguous briefs into measurable wins — the role at the centre of modern software teams.
- ResearchSeniorNeu
GAN-basierter Daten-Augmentations-Pipeline für medizinische Bildgebung
Du erhältst einen anonymisierten Bilddatensatz (rund 12.000 Lungenröntgen, 14 Befund-Klassen, davon 3 unterrepräsentiert mit jeweils <200 Beispielen) sowie den bestehenden Klass…
- Gans
- Data Augmentation
- Medical Imaging
Fachübergreifend - 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 - CodeMittelstufeNeu
Bildrestaurierung historischer Drucke für ein Wiener Archiv
Du erhältst 300 hochaufgelöste Scans (TIFF) und eine Validierungsmenge von 30 manuell restaurierten Referenzseiten. Implementiere eine Restaurierungs-Pipeline mit (1) Vergilbung…
- Image Restoration
- Inpainting
- Super Resolution
Image Processing and Computational Imaging - CodeMittelstufeNeu
Hand-Tracking-Pipeline für ein AR-Trainings-Startup verbessern
Du erhältst rund 6 Stunden aufgezeichnete Hand-Tracking-Sessions aus 20 Trainings-Lern-Aufgaben plus die zugehörigen Headset-Logs. Klassifiziere die Fehler-Modi (schneller Move,…
- Pose Estimation
- Temporal Smoothing
- Kalman Filter
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
- 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 - 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 - 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 - 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
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.