KI & Daten
Machine-Learning-Grundlagen Challenges
Machine-Learning-Grundlagen-Challenges versetzen dich mitten in die Arbeit, Rohdaten in Modelle zu verwandeln, die standhalten. Du entwickelst Fähigkeiten in Supervised Learning, Klassifikation & Regression und Feature Engineering und validierst deine Arbeit dann mit Train/Test-Split und Kreuzvalidierung in scikit-learn.
Von dort meisterst du die kniffligeren Themen — Hyperparameter-Tuning, Tree-Ensembles, Modell-Kalibrierung und Modellauswahl unter Geschäftsanforderungen — und arbeitest dich an Produktionsmodell-Tuning und Feature Pipelines heran, wie es echte ML-Teams tun. Jede gelöste Challenge bringt dir einen verifizierten Nachweis für Recruiter.
- AnalysisMittelstufeNeu
Frequent-Pattern-Mining auf Clickstream-Daten eines AdTech-Anbieters
Du erhältst Bid-Logs (anonymisiert, ohne PII — personenbezogene Daten) als Parquet-Dateien (rund 600 GB) und einen Conversion-Join-Datensatz. Definiere Items sinnvoll (Domain-Ha…
- Frequent Pattern Mining
- Fp Growth
- Pyspark
Data Mining and Information Retrieval - CodeEinsteigerNeu
Datengetriebene Verschleißprognose für eine Stanzpresse
Du erhältst sechs Monate hochfrequente Sensordaten (Vibration mit 5 kHz, Strom und Temperatur mit 1 Hz) für drei vergleichbare Pressen, plus die dokumentierten Werkzeugwechsel a…
- Time Series Modeling
- Feature Engineering
- Signal Processing
AI for Science and Engineering - AnalysisMittelstufeNeu
Ensemble-Strategie fuer einen Industrieversicherer
Du erhaeltst rund 240 000 Policen mit 47 Features (Branche, Anlagenalter, Standortrisiko, historische Schadensumme) plus die Zielspalte Schadenfall (0/1) und die Schadenhoehe in…
- Ensemble Methods
- Supervised Learning
- Modell Evaluation
Machine Learning - AnalysisEinsteigerNeu
Predictive Maintenance fuer einen Mittelstandsmaschinenbauer
Du erhaeltst rund 12 Millionen Sensorzeilen (Zeitstempel + Vibrations-RMS + Stromstaerke + Spindeltemperatur) plus eine zweite CSV mit den letzten 90 dokumentierten Spindelausfa…
- Supervised Learning
- Zeitreihen Grundlagen
- Feature Engineering
Machine Learning (Undergraduate) 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
Kernel-Methoden für seltene Maschinenfehler im Maschinenbau
Du erhältst 200.000 Sensorfenster (jeweils 2-Sekunden-Schwingungs-FFT plus akustisches Mel-Spektrogramm). Nur 1.200 sind als Defekte gelabelt. Implementiere One-Class-SVM mit RB…
- Kernel Methods
- Gaussian Processes
- Anomalie Erkennung
Advanced Machine Learning - ResearchMittelstufeNeu
Kernel-Methoden vs. neuronales Netz auf Chromatographie-Daten
Du erhaeltst rund 12 000 Chargen mit je einem 800-Punkt-Chromatogramm (numerische Zeitreihe) plus Zielspalte (konform/abweichend). Implementiere zwei Vergleichsmodelle: (1) Kern…
- Kernel Methods
- Neuronale Netze
- Modell Evaluation
Machine Learning - CodeEinsteigerNeu
Kunden-Abwanderungs-Vorhersage für ein Münchner SaaS-Unternehmen
Sie erhalten anonymisierte Daten von 1.400 Kunden über 24 Monate: Login-Frequenz, Feature-Nutzung pro Modul, Support-Tickets, Stripe-Zahlungs-Verzögerungen, Kontaktwechsel im CR…
- Supervised Learning
- Feature Engineering
- Modell Evaluation
Machine Learning (CS Elective) - CodeEinsteigerNeu
Empfehlungs-System für eine Wiener E-Commerce-Bekleidungsmarke
Sie erhalten 18 Monate Transaktionsdaten (220.000 Kund:innen × 4.800 Produkte), Produktstammdaten (Kategorie, Farbe, Material, Preis) und 50 Sample-Konversions-Sessions. Bauen S…
- Recommender Systems
- Collaborative Filtering
- Python Oder Javascript
Machine Learning (CS Elective) - 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.
- AnalysisEinsteigerNeu
Kreditrisikomodell für ein regional verwurzeltes Fintech
Sie agieren als Risk Analyst und entwickeln ein prädiktives Kreditrisikomodell (Probability of Default, PD — Ausfallwahrscheinlichkeit) für das Fintech. Ihr Auftrag umfasst: (1)…
- Predictive Analytics
- Statistical Modeling
- Risk Assessment
Business Analytics - CodeEinsteigerNeu
Kreditausfall-Scoring für ein Berliner KMU-Fintech
Du arbeitest mit einem anonymisierten Datensatz aus 24.000 historischen Kreditanträgen mit dem Zielmerkmal 'Default innerhalb von 12 Monaten'. Trainiere ein Klassifikationsmodel…
- Classification
- Tree Ensembles
- Shap
AI and Quantitative Finance - CodeMittelstufeNeu
B-Tree-Index für ein FinTech-Buchhaltungs-Modul implementieren
Implementiere einen B-Tree (Ordnung 16) in TypeScript: insert, delete, range_search(low, high), point_search. Visualisiere den Baum-Zustand nach jeder Operation mit Mermaid-Diag…
- Tree Ensembles
- Funktionen & Datenstrukturen
- Typescript
Data Structures - 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…
- Supervised Learning
- Transfer Learning
- Medical Image Classification
Machine Learning for Imaging and Medical Image Analysis 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
- AnalysisEinsteigerNeu
Anomalie-Erkennung auf BI-Telemetrie eines Beratungshauses
Du erhältst 6 Monate Telemetrie-Daten: Query-Latenzen (Perzentile), Refresh-Success-Rates, Datenmengen-Trends pro Dashboard. Implementiere mehrere Anomalie-Methoden: (1) STL-Dec…
- Anomalie Erkennung
- Zeitreihen Grundlagen
- Isolation Forest
Data Mining and Information Retrieval - CodeMittelstufeNeu
Anomalie-Erkennung in Industriesensoren für vorausschauende Wartung
Du erhältst Sensordaten (10 Hz Abtastrate, 40 Maschinen, 12 Monate) und ein Label-Set mit 38 bestätigten Wartungsfällen aus den letzten 12 Monaten. Verwende Isolation Forest und…
- Anomalie Erkennung
- Isolation Forest
- Autoencoder
Data Mining and Knowledge Discovery - CodeMittelstufeNeu
Volatilitätsprognose für FX-Hedging eines DAX-Zulieferers
Du erhältst tägliche Schlusskurse für EUR/USD der letzten zehn Jahre, implizite Volatilitäten aus dem Optionsmarkt sowie einen makroökonomischen Datensatz (Zinsentscheidungen, K…
- Time Series Forecasting
- Garch Modeling
- Lstm
AI and Quantitative Finance - 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
- Tree Ensembles
Information Retrieval and Search - CodeEinsteigerNeu
Ensemble-Strategie für Betrugserkennung in einem Frankfurter Fintech
Du erhältst einen anonymisierten Datensatz mit 800.000 historischen Rechnungstransaktionen plus 4.200 bestätigten Betrugsfällen über 18 Monate. Implementiere drei Basis-Lerner (…
- Ensemble Methods
- Stacking
- Gradient Boosting
Advanced Machine Learning - CodeMittelstufeNeu
Hidden Markov Model fuer Kreditkartenbetrug bauen
Du erhaeltst einen anonymisierten Datensatz mit Transaktionen von rund 50.000 Karten ueber 9 Monate, inklusive eines markierten Betrugslabels fuer rund 0,3 Prozent der Transakti…
- Hidden Markov Models
- Sequence Modeling
- Baum Welch
Probabilistic Graphical Models - CodeEinsteigerNeu
Empfehlungsbasislinie fuer einen Nischen-Online-Shop
Du erhaeltst eine anonymisierte Bestellhistorie (Bestellnummer, Datum, Kunden-ID, Artikel-IDs) sowie einen Produktkatalog (Artikel-ID, Kategorie, Preis). Implementiere zwei Empf…
- Recommender Systems
- Matrix Factorization
- Modell Evaluation
Machine Learning (Undergraduate) - 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
- Anomalie Erkennung
- Zeitreihen Grundlagen
Deep Learning - CodeGrundlagenNeu
Lebensmittelverderb-Prognose fuer einen FMCG-Hersteller
Du erhaeltst eine CSV mit rund 18 000 ausgelieferten Paletten aus den letzten 18 Monaten: Produktart, Produktionscharge, Tag-Zeit-Stempel, Temperatur entlang der Lieferkette (3 …
- Supervised Learning
- Feature Engineering
- Modell Evaluation
Machine Learning (Undergraduate) - CodeMittelstufeNeu
Anomalie-Erkennung für Produktions-Sensordaten in einem Maschinenbau-KMU
Sie erhalten 18 Monate Sensordaten (10 Hz pro Sensor, 14 Sensoren, drei Anlagen) und ein Wartungs-Protokoll mit 12 dokumentierten Ausfällen plus 47 geplanten Wartungen. Bereiten…
- Unsupervised Learning
- Zeitreihen Grundlagen
- Feature Engineering
Machine Learning (CS Elective) - AnalysisEinsteigerNeu
Kundensegmentierung für einen Lebensmittel-Discounter clusteranalysieren
Du erhältst einen anonymisierten Loyalty-Datensatz (Käufe + grobe Demografie + Filial-Region) über 6 Monate. Erstelle ein RFM-Feature-Set (Recency, Frequency, Monetary — Aktuali…
- Clustering
- Feature Engineering
- Rfm Analysis
Data Mining and Knowledge Discovery - CodeMittelstufeNeu
Daten-Pipeline für Streaming-Features bei einem Wiener Online-Händler
Du erhältst eine Beispiel-Topologie (Browse-, Cart-, Order-Events als Kafka-Topics mit jeweils rund 8.000 Events/s in Spitzen), das aktuelle Batch-Feature-Schema (12 Aggregat-Fe…
- Streaming
- Apache Kafka
- Apache Spark
Machine Learning at Scale
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.



















































































