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.
- CodeEinsteigerNeu
Association-Rules für Warenkorb-Empfehlungen im Online-Großhandel
Du erhältst 18 Monate Bestellungen (rund 4 Mio. Zeilen) und einen Produktkatalog mit Hierarchie (Warengruppe → Kategorie → Artikel). Implementiere Apriori oder FP-Growth (mlxten…
- Association Rules
- Apriori
- Fp Growth
Fachübergreifend - CodeMittelstufeNeu
Spark-Pipeline für Risiko-Scoring bei einem Frankfurter B2B-Fintech
Du erhältst die bestehende pandas-Pipeline (Feature-Aggregation über 30/90/180-Tage-Fenster pro Geschäftskund:in plus ein bereits trainiertes XGBoost-Modell als PMML-Export), ei…
- Apache Spark
- Distributed Computing
- Feature Engineering
Fachübergreifend - CodeEinsteigerNeu
Hyperparameter-Sweep auf einem Slurm-Cluster für eine Versicherung
Du erhältst ein bestehendes Trainings-Skript für ein Gradient-Boosting-Tarif-Modell (auf anonymisierten Schaden-Daten mit 2,4 Millionen Zeilen) und Zugang zu einem Slurm-Cluster…
- Hyperparameter Tuning
- Distributed Computing
- Mlflow
Machine Learning at Scale - ResearchMittelstufeNeu
Multi-Task-Learning fuer einen E-Commerce-Recommender
Du erhaeltst 18 Monate Web-Telemetrie-Daten (rund 4,2 Millionen Sessions) mit Labels fuer alle drei Aufgaben. Implementiere zwei Architekturen: (1) drei separate XGBoost-Modelle…
- Multi Task Learning
- Neural Networks
- Model Evaluation
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
- AnalysisEinsteigerNeu
Kreditrisiko-Scoring fuer einen regionalen Kreditgeber
Du erhaeltst eine CSV mit 35 000 abgeschlossenen Kreditfaellen aus 2018-2024: Antragsmerkmale (Alter, Beschaeftigungsdauer, beantragte Hoehe, Laufzeit, Zweck), externe Bonitaets…
- Supervised Learning
- Model Evaluation
- Feature Engineering
Machine Learning (Undergraduate) - CodeMittelstufeNeu
Anomalie-Erkennung in Sensor-Daten einer süddeutschen Windparks
Du erhältst 18 Monate 10-minütiger SCADA-Daten von 80 Turbinen (Vibration, Drehzahl, Drehmoment, Außen-Temperatur, Leistung) und ein Wartungs-Log mit 35 bestätigten Schadens-Ere…
- Time Series
- Anomaly Detection
- Signal Decomposition
Fachübergreifend - 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 - CodeEinsteigerNeu
Churn-Frühwarnsystem für ein Frankfurter B2B-SaaS aufbauen
Sie bekommen sechs Monate anonymisierte Daten: tägliche Login-Frequenz pro Konto, Feature-Nutzung, Support-Tickets mit Severity-Label und die Liste der historischen Kündigungen.…
- Feature Engineering
- Predictive Modeling
- Model Evaluation
Fachübergreifend - Browse challenges
Explore role
Marketing Analyst
Plan and measure campaigns that grow the business. Funnel analytics, attribution, segmentation, and the rigorous measurement that lets marketing defend its budget at the leadership table.
- 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
Fachübergreifend - 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
Fachübergreifend - ResearchMittelstufeNeu
Risiko-Stratifizierung von Herzinsuffizienz-Patient:innen fuer ein Heidelberger Universitaetsklinikum
Du erhaeltst rund 14 000 anonymisierte Patient:innen mit Baseline-Merkmalen (Alter, Geschlecht, NYHA-Klasse [New York Heart Association Funktionsklasse 1-4], Ejektionsfraktion, …
- Risk Stratification
- Clinical Ml
- Calibration
Fachübergreifend - 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) 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
- 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
- Model Evaluation
Fachübergreifend - CodeEinsteigerNeu
Sentiment-Analyse für Kundenfeedbacks eines Mittelständlers im Maschinenbau
Du erhältst einen anonymisierten Datensatz mit 5.000 Kundenkommentaren aus drei Jahren. Erstelle ein Python-Skript, das eine mehrklassige Sentiment-Analyse durchführt (positiv, …
- Natural Language Processing
- Python Programming
- Machine Learning
Text Analytics and Natural Language Processing - 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 - CodeMittelstufeNeu
Change-Point-Detektion in Transaktions-Daten einer Frankfurter Bank
Du erhältst einen anonymisierten Datensatz von rund 12.000 Geschäfts-Kund:innen mit 24 Monaten täglicher Transaktions-Aggregat-Statistik (Anzahl, Volumen, Durchschnitt, Standard…
- Time Series
- Change Point Detection
- Anomaly Detection
Time Series Analysis and Forecasting - 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 - AnalysisMittelstufeNeu
Kreditrisiko-Scorecard mit logistischer Regression entwickeln
Du leitest ein dreiköpfiges Team als Senior Data Analyst und entwickelst ein binäres logistisches Regressionsmodell zur Vorhersage von Kreditausfällen. Nutze den bereitgestellte…
- Logistic Regression
- Credit Risk Modeling
- Feature Selection
Fachübergreifend - 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
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.



















































































