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.
- 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 - 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) - 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) - 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 Develop in-demand professional skills.
Each challenge names the skills it strengthens. Over time, your profile fills with the competences a hiring manager would actually look for.
Why Ewance
- 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
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 - AnalysisMittelstufeNeu
Anti-Fraud-Graph-Analyse für einen österreichischen Telekommunikations-Anbieter
Du erhältst einen anonymisierten 14-Tage-Datensatz von rund 80 Millionen Call Detail Records (CDR — Anrufdetail-Datensätze) mit pseudonymisierten Nummern, Zeitstempeln, Anrufdau…
- Network Analysis
- Graph Algorithms
- Anomaly Detection
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 - Browse challenges
Explore role
Strategy Analyst
Frame the business question, model the options, build the recommendation. From market sizing to competitive analysis, this role is where strategy consulting meets in-house decision-making.
- 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) - 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
- Xgboost
Data Mining and Information Retrieval - 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 - 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 Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- 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
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 - 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
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 - 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
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) - 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) - 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 - 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 - 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
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 - 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
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.



















































































