KI & Daten
Machine-Learning-Grundlagen Industrieprojekte
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
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
- Model Evaluation
Machine Learning - 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 - CodeEinsteigerNeu
Vorhersagemodell für Ausfallzeiten in der Windenergie-Offshore-Wartung
Du bist als Data Science Consultant (Berater:in für Datenwissenschaft) für dieses Projekt eingesetzt. Du erhältst einen synthetischen Datensatz mit 18 Monaten Betriebsdaten (Vib…
- Machine Learning
- Predictive Modeling
- Python
Machine Learning and AI for Business - AnalysisEinsteigerNeu
Regularisierung gegen Overfitting bei einem Modeunternehmen
Du erhaeltst 6 Saisons Verkaufsdaten (rund 19 200 SKU-Saison-Beobachtungen) plus Artikelmerkmale (Kategorie, Preisband, Kollektion). Implementiere eine lineare Regression mit dr…
- Regularization
- Regression
- Model Selection
Machine Learning 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
Statistische Lerntheorie für Modell-Auswahl bei einer Big-Four-Audit-Firma
Erstelle eine 4-Notebook-Reihe in Jupyter, die (1) Bias-Variance-Trade-off auf einem Polynom-Fit-Beispiel demonstriert, (2) Cross-Validation-Fallstricke zeigt (Leak durch Prepro…
- Statistical Learning Theory
- Cross Validation
- Model Selection
Statistical Machine Learning - 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…
- B Tree
- Data Structures
- Typescript
Fachübergreifend - CodeMittelstufeNeu
Empfehlungssystem für ein Düsseldorfer FMCG-Onlineportal entwickeln
Sie erhalten zwei Jahre Bestellhistorie (anonymisiert) plus Produktstammdaten und Kategorien. Bauen Sie ein Empfehlungssystem als Kombination aus implizitem Matrixfaktorisierung…
- Recommendation Systems
- Matrix Factorization
- Model Evaluation
Applied Machine Learning - CodeMittelstufeNeu
End-zu-End-ML-Pipeline fuer einen Logistik-Dispatcher
Du baust eine Pipeline in Python, die taeglich aus zwei Datenquellen (Containerterminal-API + Wettervorhersage-API) zieht, Features aufbaut, ein Gradient-Boosting-Modell auf rol…
- Ml Pipelines
- Feature Engineering
- Model Evaluation
Machine Learning in Practice - 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.
- CodeEinsteigerNeu
Kernel-SVM-Baseline für die Qualitätskontrolle in der Halbleiterfertigung
Du erhältst einen anonymisierten Wafer-Messwert-Datensatz (rund 90.000 Wafer mit 140 Messpunkten und einem binären Qualitäts-Label aus der End-of-Line-Prüfung). Trainiere eine K…
- Statistical Learning
- Kernel Methods
- Svm
Statistical Machine Learning - CodeMittelstufeNeu
SHAP-Erklärungen für ein Kredit-Scoring-Modell unter EU-AI-Act
Du erhältst ein vorhandenes XGBoost-Modell, einen anonymisierten Datensatz von 12.000 abgeschlossenen Anträgen plus die Kundenkommunikations-Richtlinie der Bank. Berechne SHAP-W…
- Shap
- Model Interpretability
- Explainable Ai
Fachübergreifend - CodeMittelstufeNeu
Spielbaum-KI mit Lern-Heuristik für ein Brettspiel-Studio
Du erhältst eine Implementierung der Spielmechanik plus 5.000 archivierte Spielpartien aus Beta-Tests mit menschlichen Spielern. Implementiere eine Minimax-Engine mit Alpha-Beta…
- Minimax Algorithm
- Alpha Beta Pruning
- Feature Engineering
Fachübergreifend - 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
- Model Evaluation
Machine Learning (Undergraduate) 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
- CodeSeniorNeu
Betrugsrisiko-Scoring für B2B-Zahlungsplattform
Du trittst als Data Science Consultant (datenwissenschaftliche:r Berater:in) in einem 2er-Team auf und hast 4 Wochen Zeit. Du entwickelst ein binäres Klassifikationsmodell für B…
- Machine Learning
- Imbalanced Data
- Model Interpretability
Fachübergreifend - 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 - CodeMittelstufeNeu
Recommendation-System für einen DACH-E-Commerce-Marktplatz
Du erhältst anonymisierte Session-Daten (rund 18 Mio. Sessions, 6 Mio. unique User), Produktmetadaten und 90 Tage Conversion-Daten. Implementiere drei Modelle: (1) Item-kNN als …
- Recommendation Systems
- Collaborative Filtering
- Matrix Factorization
Fachübergreifend - 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
- Neural Networks
- Model Evaluation
Fachübergreifend - AnalysisEinsteigerNeu
Wearable-Sensorik-Analyse für eine Salzburger Health-Studie
Du erhältst anonymisierte Sensorzeitreihen von 40 Teilnehmer:innen über 2 Wochen, Stress-Diary-Einträge im 30-Minuten-Raster und eine Daten-Validierungs-Checkliste. Implementier…
- Health Informatics
- Time Series Analysis
- Feature Engineering
Fachübergreifend - CodeSeniorNeu
Echtzeit-Nachfrageprognose für ein B2B-Fintech in Berlin
Konzipiere und prototypisiere ein Echtzeit-Prognosesystem für die tägliche Umsatzprognose auf Kundenebene. Nutze dafür mindestens einen Machine-Learning-Ansatz (zum Beispiel Gra…
- Machine Learning
- Time Series Forecasting
- Python
Fachübergreifend - CodeEinsteigerNeu
MLP-Baseline für Strompreis-Prognose in einem Stadtwerk
Du erhältst 3 Jahre Spotpreis-Daten plus exogene Variablen (Last, Wind, Solar, Brennstoffpreise). Implementiere eine MLP-Prognose (Input: 168 Stunden Historie + exogene Features…
- Mlp Architectures
- Time Series Forecasting
- Pytorch
Fachübergreifend - CodeMittelstufeNeu
Prognosemodell für Maschinenstillstände im Spritzguss
Du trittst als Data Scientist (datenwissenschaftliche:r Experte:in) in einem 3er-Team auf und entwickelst innerhalb von 3 Wochen ein prädiktives Wartungsmodell. Du erhältst eine…
- Machine Learning
- Data Preprocessing
- Time Series Analysis
Data Science for Business - CodeMittelstufeNeu
Bedarfs-Prognose für die Lager-Logistik eines Wiener FMCG-Distributors
Du erhältst 3 Jahre Wochen-Verkaufs-Daten für rund 1.200 SKUs in 4 Lagern (rund 250.000 SKU-Lager-Wochen-Kombinationen) plus eine Promotion-Liste pro SKU und Woche. Implementier…
- Time Series
- Hierarchical Forecasting
- Demand Forecasting
Time Series Analysis and Forecasting - 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…
- Anomaly Detection
- Isolation Forest
- Autoencoder
Data Mining and Knowledge Discovery - 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
- Time Series
- Feature Engineering
Machine Learning (Undergraduate) - AnalysisEinsteigerNeu
Kundensegmentierung fuer einen Schwarzwald-Tourismusverband
Du arbeitest auf einer CSV mit Aggregaten je Gast: Anzahl Buchungen, durchschnittliche Aufenthaltsdauer, Saison, Reisepartner-Typ (Familie/Paar/Solo), durchschnittlicher Tagesum…
- Unsupervised Learning
- Clustering
- Dimensionality Reduction
Machine Learning (Undergraduate)
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.



















































































