KI & Daten
NLP Challenges
NLP-Challenges versetzen dich mitten in die Arbeit, Maschinen das Lesen und Verstehen von Sprache beizubringen. Du entwickelst Fähigkeiten in den Grundlagen von Natural Language Processing (NLP), Text-Tokenisierung und Word Embeddings sowie in Aufgaben wie Named Entity Recognition (NER) und Sequence Labeling mit NLTK.
Von dort meisterst du die kniffligeren Themen — Encoder-Fine-Tuning (BERT-Familie) mit Hugging Face Transformers, Custom Tokenization, Relation Extraction, Information Retrieval und Mehrsprachiges NLP — und baust Wissensrepräsentation auf, wie es echte NLP-Teams tun. Jede gelöste Challenge bringt dir einen verifizierten Nachweis für Recruiter.
- CodeEinsteigerNeu
Wissensbasis und Rule Engine für Compliance-Checks im Mittelstand
Sie erhalten die Compliance-Checkliste (Excel mit 80 Regeln), 25 historische Angebots-Konfigurationen mit Compliance-Ergebnis und Zugang zur Vertriebs-Compliance-Beauftragten fü…
- WissensrepräSentation
- Rule Engines
- Python Oder Javascript
Introduction to Artificial Intelligence (CS Elective) - CodeMittelstufeNeu
LoRA-Fine-Tuning eines Mistral-Modells für Versicherungs-E-Mails
Du bekommst 25.000 anonymisierte E-Mails mit Kategorie-Labels und 5.000 Holdout-Mails. Fine-tune Mistral-7B mit LoRA-Adaptern (Rank 16, alpha 32) auf einer A100-GPU. Trainiere d…
- Fine Tuning
- Fine Tuning
- LLM Evaluation
Fine-Tuning Large Language Models - DesignMittelstufeNeu
Ontologie für die Produktklassifikation eines technischen Großhändlers
Du bekommst den heutigen Excel-Baum, 5.000 ausgewählte Produkt-Datensätze und Interviews-Notizen aus drei Kategorie-Manager-Gesprächen. Modelliere eine OWL-Ontologie mit Klassen…
- Ontologies
- Owl
- WissensrepräSentation
Fuzzy Logic, Knowledge Representation, and Symbolic Reasoning - CodeMittelstufeNeu
Structured Prediction für die Layoutextraktion in einem Düsseldorfer LegalTech
Du erhältst 4.000 annotierte deutsche Vertrags-PDFs mit pro Token gelabelten Klauselgrenzen, Sektionsgrenzen und Klauseltypen (15 Klassen). Trainiere zwei Modelle: (a) BERT-Base…
- Structured Prediction
- Conditional Random Fields
- Named Entity Recognition (Ner)
Advanced 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
HTN-Planungsmodell für einen Tiroler Outdoor-Touranbieter prototypisieren
Sie modellieren Touren als Hierarchical Task Networks: hohe Ebene (Tour) zerlegt sich in Etappen, Etappen in Aktionen (Anstieg, Hütte beziehen, Gipfeleinlage). Nutzen Sie eine H…
- Htn Planning
- WissensrepräSentation
- Python Oder Javascript
Automated Planning - CodeSeniorNeu
Lambda-Kalkül-Übersetzer für ein Salzburger EdTech-Lernspiel
Sie definieren eine kleine Mini-Grammatik (etwa 30 lexikalische Einträge plus Quantoren 'jeder', 'einige', 'kein'). Bauen Sie einen kompositionellen Übersetzer auf Basis einer k…
- Lambda Calculus
- Compositional Semantics
- Parsing
Computational Semantics - ResearchSeniorNeu
Instruction-Tuning und DPO für einen Customer-Support-Bot
Du bekommst 5.000 idealtypische Instruction-Antwort-Beispiele (kuratiert vom Service-Team) und 600 Präferenz-Paare (gleicher Prompt, zwei Antworten, präferierte Antwort markiert…
- Instruction Tuning
- Dpo
- Preference Optimization
Fine-Tuning Large Language Models - ResearchSeniorNeu
Neuro-symbolischer Hybrid für die Erkennung regulatorischer Verstöße
Du bekommst 1.200 anonymisierte Compliance-Dokumente mit Labels (Verstoß ja/nein, Regel-Referenz), die formalisierten Regeln (40 Stück) und einen Transformer-Baseline. Implement…
- Neuro Symbolic
- Logical Reasoning
- WissensrepräSentation
Fuzzy Logic, Knowledge Representation, and Symbolic Reasoning - 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
Fine-Tuning eines Open-Weight-LLM für ein Münchner Versicherungs-Startup
Du erhältst 12.000 anonymisierte Schadenmeldungen mit fünf Klassen (Sturm, Wasser, Feuer, Einbruch, Sonstiges) plus 1.500 Hold-out-Beispiele. Tune ein 7B/8B-Modell mit LoRA auf …
- Fine Tuning
- Fine Tuning
- Hugging Face Transformers
Large Language Models - ResearchMittelstufeNeu
Inductive-Logic-Programming für die Diagnose von Maschinenfehlern
Du bekommst 8.000 Service-Tickets mit Logs, beobachteten Symptomen und bestätigter Diagnose plus Hintergrund-Wissen (Maschinen-Komponentenbaum als Prolog-Fakten). Setze ein ILP-…
- Inductive Logic Programming
- Logic Programming
- Rule Design
Fuzzy Logic, Knowledge Representation, and Symbolic Reasoning - ResearchMittelstufeNeu
Cross-lingualer Transfer fuer Sentiment-Analyse in DACH-Maerkten
Du erhaeltst rund 80 000 deutsche annotierte Posts (positiv/neutral/negativ), rund 6 000 italienische und 4 000 franzoesische Posts. Implementiere drei Setups: (1) deutsches XLM…
- Transfer Learning
- Cross Lingual Transfer
- Foundation Models
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeEinsteigerNeu
Semantische Vertragssuche für eine Legal-Tech-Kanzlei aufbauen
Du erhältst 5.000 anonymisierte deutsche Vertragsklauseln (Mustertexte) plus 20 gelabelte Suchanfragen mit jeweils 5-10 erwarteten Treffern. Wende zwei Embedding-Modelle an (ein…
- Vektor Datenbank Grundlagen
- Word Embeddings
- Semantic Search
Vector Databases and Embeddings 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
- CodeMittelstufeNeu
Voice-Agent für ein Wiener Tourismus-Tech-Startup prototypisieren
Implementiere den Agenten mit OpenAI Realtime API oder einer Open-Source-Alternative (Whisper für Speech-to-Text, ein LLM, Coqui TTS für Speech-Synthesis). Definiere Werkzeuge: …
- Ki Agenten
- Voice Interfaces
- Tool Use
AI Agents and LLM-Based Agents - CodeMittelstufeNeu
Information-Retrieval-Index für ein Versicherungs-Wissensportal
Du erhältst den Dokumenten-Korpus (anonymisiert, juristische Texte) und ein Test-Set mit 250 Suchanfragen plus erwarteten Treffern. Baue eine Pipeline: (1) Dokument-Preprocessin…
- Information Retrieval
- Bm25
- Word Embeddings
Data Mining and Information Retrieval - ResearchMittelstufeNeu
Niedrigressourcen-MT fuer Schweizerdeutsch in einer Bundesverwaltung
Du erhaeltst rund 12 000 parallele Saetze (Schweizerdeutsch → Standarddeutsch) plus rund 100 000 einsprachige Saetze in Schweizerdeutsch. Implementiere Backtranslation: trainier…
- Neural Machine Translation
- Data Augmentation
- Low Resource Mt
Machine Translation - CodeEinsteigerNeu
Hybride Suche für ein LegalTech-Such-Startup aufbauen
Du erhältst einen Korpus von 25.000 deutschsprachigen Rechtsdokumenten (anonymisiert, frei verfügbar aus offenen Bundesquellen) sowie 200 Anfragen mit Goldstandard-Treffern (dre…
- Information Retrieval
- Bm25
- Dense Retrieval
Information Retrieval and Search - CodeMittelstufeNeu
Fine-Tuning eines Sprachmodells für regulatorische Dokumente in der Pharma-Branche
Euer Team erhält einen anonymisierten Korpus von 8.000 regulatorischen Dokumenten mit bestehenden Kategorien aus dem Dokumentenmanagementsystem. Eure Aufgabe ist es, ein vortrai…
- Natural Language Processing (NLP)
- Large Language Models (Llms)
- Fine Tuning
Text Analytics and Natural Language Processing - ResearchSeniorNeu
Catastrophic-Forgetting-Studie nach Domain-Fine-Tuning
Du bekommst Zugriff auf das fine-getunte Modell und das Basismodell, eine Auswahl Standard-Benchmarks (MMLU-Subset, HumanEval-Lite, GSM8K-Stichprobe) und 8.000 generische Traini…
- Catastrophic Forgetting
- Continual Learning
- LLM Evaluation
Fine-Tuning Large Language Models - ResearchMittelstufeNeu
Belohnungsmodell und DPO für ein Berliner Schreibassistenz-Startup
Du erhältst 3.000 Präferenz-Paare (gewünschte vs. unerwünschte Antwort) sowie 200 Hold-out-Prompts. Baue eine Pipeline mit (1) Aufbau eines Belohnungsmodells aus den Präferenz-P…
- Alignment
- Dpo
- Rlhf
Large Language Models - CodeEinsteigerNeu
Wikidata-basiertes Skills-Mapping für eine Hamburger HR-Plattform
Du erhältst 8.000 freie Skill-Strings aus der bisherigen Datenbank plus eine kuratierte Liste mit 200 Goldstandard-QIDs. Implementiere eine Pipeline mit (1) Vorverarbeitung (Nor…
- Entity Linking
- Wikidata
- Sparql
Knowledge Graphs and Semantic Web - 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 (NLP)
- Python Oder Javascript
- Machine Learning Grundlagen
Text Analytics and Natural Language Processing - CodeSeniorNeu
Lexikalische Beschraenkungen fuer einen Pharma-Beipackzettel-Uebersetzer
Du erhaeltst rund 5 000 Beipackzettel-Saetze mit annotierten Pharma-Termini plus ein Glossar von rund 800 vorgeschriebenen Term-Uebersetzungen. Implementiere constrained beam se…
- Constrained Decoding
- Neural Machine Translation
- Domain Adaptation
Machine Translation - CodeEinsteigerNeu
Lexikalische Ressource für eine Tiroler Tourismus-Plattform
Du erhältst 30.000 Beschreibungstexte (DE/EN/IT-Mix) und drei bestehende inkonsistente Glossare. Baue eine Pipeline mit (1) automatischer Term-Extraktion aus den Beschreibungen …
- Lexical Resources
- Skos
- Term Extraction
Linguistic Engineering and Language Technologies - CodeEinsteigerNeu
RAG-Prototyp für IT-Helpdesk eines OWL-Mittelständlers
Sie erhalten einen anonymisierten Korpus von rund 1.200 internen Wiki-Artikeln + 300 historischen Ticket-Antworten. Bauen Sie eine RAG-Pipeline: Embedding eines Open-Source-Mode…
- RAG Architekturen
- Word Embeddings
- Vector Databases
AI/ML Practicum and Hands-on Lab
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.