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- 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 - ResearchMittelstufeNeu
Cross-Modal-Translation für Hamburger Marine-Forschung
Sie erhalten 80 Stunden Hydrophon-Aufnahmen mit zeitgestempelten optischen Snapshots, jeder Snapshot manuell in 6 Riff-Zustandsklassen kategorisiert. Trainieren Sie ein Audio-Mo…
- Cross Modal Learning
- Audio Classification
- Pytorch
Fachübergreifend - CodeMittelstufeNeu
Visuelle Anomalie-Erkennung für eine Röntgen-Triage-Lösung
Du arbeitest mit dem offenen NIH ChestX-ray14-Datensatz (etwa 112.000 Röntgen-Bilder). Trainiere zwei Modelle: (1) ein binäres Anomalie-vs.-unauffällig-Modell auf einem ConvNeXt…
- Medical Imaging
- Image Classification
- Model Evaluation
Visual Intelligence and Visual Reasoning - 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 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
- ResearchMittelstufeNeu
Selbstüberwachtes Pretraining für Defekterkennung in der Halbleiterfertigung
Du erhältst 500.000 ungelabelte Wafer-Patches und 3.000 gelabelte Patches mit fünf Defektklassen. Trainiere zuerst einen Encoder selbstüberwacht (Empfehlung: DINOv2-Architektur …
- Self Supervised Learning
- Representation Learning
- Pytorch
Advanced Deep Learning - CodeSeniorNeu
Neural-Operator-Surrogat für Strömungssimulation in einem Windpark
Du erhältst 1.200 RANS-Simulationen eines vereinfachten 12-Turbinen-Parks mit variierenden Windrichtungen, Windgeschwindigkeiten und Turbulenzintensitäten. Trainiere einen FNO a…
- Neural Operators
- Fourier Neural Operator
- Cfd Surrogates
Fachübergreifend - 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 - 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) - 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.
- 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 - 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 - ResearchSeniorNeu
Sim-to-Real-Bewertung für ein Berliner Lager-Robotik-Startup
Verwende eine trainierte PPO-Policy (Proximal Policy Optimization — ein populärer RL-Algorithmus) für eine Block-Stack-Aufgabe in Isaac Gym oder Isaac Lab. Implementiere drei Si…
- Reinforcement Learning
- Sim To Real
- Domain Randomization
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 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
- 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 - CodeMittelstufeNeu
VAE-basierte Anomalie-Erkennung für Banküberweisungen
Du bekommst 1,2 Mio. anonymisierte legitime Transaktionen, 4.000 als auffällig markierte Transaktionen und das heutige Regel-Set. Trainiere ein VAE auf den legitimen Daten, nutz…
- Vae
- Generative Models
- Anomaly Detection
Generative AI - 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 - CodeEinsteigerNeu
Visuelle Regal-Analyse für einen Lebensmittel-Filialisten
Du erhältst rund 1.500 Regal-Fotos aus 20 anonymisierten Filialen plus Annotationen (Produkt-Bounding-Boxes, Lückenpositionen, Preisetiketten) und einen Katalog von 250 Produkte…
- Object Detection
- Image Classification
- Model Quantization
Visual Intelligence and Visual Reasoning - CodeMittelstufeNeu
Segmentierung von Lungen-CT-Aufnahmen für ein Münchner MedTech
Du erhältst Zugriff auf den öffentlichen LUNA16-Datensatz (888 anonymisierte Lungen-CT-Scans, frei verfügbar für Forschung) und eine kleine Validierungsmenge mit präzisen Annota…
- Medical Image Segmentation
- U Net
- Pytorch
Fachübergreifend - AnalysisMittelstufeNeu
Stereo-Tiefenschätzung für einen Schwarzwälder Mähroboter-Hersteller
Sie erhalten 400 kalibrierte Stereopaare aus Garten- und Park-Szenen plus spärliche LiDAR-Ground-Truth. Implementieren Sie drei Tiefenschätzer: OpenCV Semi-Global Matching (SGM)…
- Stereo Depth Estimation
- Multi View Geometry
- Model Evaluation
Fachübergreifend - ResearchMittelstufeNeu
Transfer-Learning fuer ein Pharma-Foundation-Modell auf molekulare Eigenschaften
Du erhaeltst SMILES-Strings (Notation fuer Molekuelstrukturen) mit Messwerten fuer 4 ADMET-Endpunkte (rund 8 000 - 25 000 Molekuele je Endpunkt). Wahle ein vortrainiertes moleku…
- Transfer Learning
- Foundation Models
- Molecular Ml
Fachübergreifend - CodeSeniorNeu
Detektion von diabetischer Retinopathie fuer ein Mittelstand-MedTech
Du erhaeltst rund 35 000 Funduskamera-Bilder mit DR-Labels (5 Klassen, stark imbalanciert). Trainiere einen EfficientNet-B4-Klassifikator mit Klassen-gewichteten Loss und starke…
- Medical Image Classification
- Deep Learning
- Pytorch
Machine Learning for Imaging and Medical Image Analysis - ResearchMittelstufeNeu
Adversariale Robustness eines Bilderkennungs-Modells im Bauwesen
Du erhältst das vortrainierte Modell (PyTorch), einen Test-Datensatz von rund 6.000 Baustellen-Bildern mit PSA-Labeling und Zugang zu einer Robustness-Bibliothek (z. B. torchatt…
- Adversarial Robustness
- Robustness
- Computer Vision
Trustworthy AI, Robustness, and Safety - 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
Bildverarbeitungsmodell für die Qualitätskontrolle eines OWL-Mittelständlers
Sie erhalten 4.500 gelabelte Bilder von Gehäuseoberflächen (Klassen: in Ordnung, Kratzer, Delle, Verfärbung). Trainieren Sie ein Convolutional Neural Network (CNN) — entweder fi…
- Computer Vision
- Cnn
- Transfer Learning
Applied Machine Learning - ResearchMittelstufeNeu
Regularisierungs-Studie für ein kleines medizinisches Trainings-Set
Du erhältst den 4.500-EKG-Datensatz (anonymisiert, ohne klinische Identifikatoren) sowie eine bestehende CNN-1D-Baseline. Definiere ein Regularisierungs-Faktorgitter (Dropout, W…
- Regularization
- Deep Learning
- Cross Validation
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.



















































































