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.
- 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 - 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
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 - 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
- Neuronale Netze
- Modell Evaluation
Meta-Learning, Transfer Learning, and Multi-Task 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
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
Machine Learning for Healthcare and Biomedicine - 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
EHR-basierte Phaenotypisierung fuer ein Basler Pharma-Forschungsteam
Du erhaeltst rund 250 000 anonymisierte Patient:innen-EHRs mit ICD-10-Codes, Labor-Werten, Medikamenten-Verschreibungen ueber 5 Jahre. Die klinische Forschung hat eine 4-Kriteri…
- Clinical Ml
- Phenotyping
- Supervised Learning
Machine Learning for Healthcare and Biomedicine - 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) - 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.
- 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 - 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 - 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
Explainable and Interpretable AI - AnalysisMittelstufeNeu
Customer-Lifetime-Value-Modell für einen Energieversorger
Du erhältst anonymisierte Vertragsdaten (5 Jahre, 1,4 Mio. Kund:innen), monatliche Abrechnungen und Akquisitions-Kanal-Information. Implementiere zwei Ansätze: (1) Probabilistis…
- Clv Modeling
- Probabilistic Models
- Tree Ensembles
Data Mining and Information Retrieval 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
- Modell Evaluation
Machine Learning (Undergraduate) - ResearchMittelstufeNeu
Modellselektion fuer einen Photovoltaik-Anlagenbauer
Du erhaeltst 18 Monate halbstuendliche Daten von rund 120 Anlagen: meteorologische Vorhersage, historische Ertraege, Anlagenkonfiguration, Saison. Implementiere die drei Kandida…
- Model Selection
- Kreuzvalidierung
- Regression
Machine 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.



















































































