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.
- 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 - 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 - CodeMittelstufeNeu
Bonitäts-Scoring für ein Kölner Factoring-Unternehmen
Sie erhalten anonymisierte Daten von 18.000 historischen Forderungen über 36 Monate mit Default-Label, plus 24 Features (Unternehmens-Stammdaten, Bilanz-Kennzahlen, Zahlungs-His…
- Supervised Learning
- Feature Engineering
- Model Evaluation
Machine Learning (CS Elective) - 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
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
- 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) - CodeMittelstufeNeu
Predictive Maintenance für CNC-Maschinen auf der Schwäbischen Alb
Sie erhalten Vibrations-, Temperatur- und Lastsensorwerte (1-Hz-Auflösung) plus die historischen Wartungseinsätze als Label. Konstruieren Sie Zeitreihen-Features (rollende Mitte…
- Feature Engineering
- Time Series Analysis
- Classification
Applied Machine Learning - 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 - 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
Data Science for Business - 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.
- 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
- Time Series
- Feature Engineering
Machine Learning (CS Elective) - CodeMittelstufeNeu
Bayesianische Logistische Regression für medizinische Risiko-Scores
Du erhältst einen anonymisierten Datensatz von rund 18.000 stationären Aufnahmen mit 35 Features (Vitalwerte, Anamnese-Indikatoren, Labor-Ergebnisse) und einem 30-Tage-Wiederauf…
- Bayesian Statistics
- Logistic Regression
- Uncertainty Quantification
Statistical Machine Learning - 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
Computational Biology and Health Informatics - 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 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
- CodeEinsteigerNeu
Algebraische Validierungs-Bibliothek fuer ein FMCG-Backend in Kotlin
Modelliere eine Validated-ADT (Valid plus Invalid) mit Akkumulation von Fehlern (statt Either, das beim ersten Fehler abbricht). Implementiere Combinators (mapN, andThen, orElse…
- Kotlin
- Algebraic Data Types
- Validation
Functional Programming - 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
- Model Evaluation
Machine Learning (CS Elective) - 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
- Xgboost
- Shap
AI and Quantitative Finance - 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 - 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) - 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
Machine Learning for Imaging and Medical Image Analysis - 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
Deep Learning - 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
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 - AnalysisMittelstufeNeu
Dimensionsreduktion fuer Spektroskopie-Qualitaetskontrolle
Du erhaeltst rund 80 000 Linsen mit je einem 2 000-dimensionalen Spektrum plus optionale Schadenslabels (nur fuer rund 5 000 Linsen). Vergleiche drei Dimensionsreduktions-Verfah…
- Dimensionality Reduction
- Anomaly Detection
- Unsupervised Learning
Machine Learning - CodeMittelstufeNeu
Lieferzeit-Prognose für einen Hamburger Logistikdienstleister verbessern
Sie erhalten eine Parquet-Datei mit etwa 800.000 Sendungen (Abholzeit, Übergabezeit, Empfänger-PLZ, Gewicht, Sendungsart, Wetterdaten aus DWD). Reinigen Sie Ausreißer und Geschä…
- Feature Engineering
- Regression Modeling
- Data Wrangling
Applied Data Analysis and Practical Data Science - 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
Deep 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.



















































































