KI & Daten
NLP Industrieprojekte
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.
- 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 …
- LLM Fine Tuning
- Lora
- Transformers
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
- Knowledge Representation
Fachübergreifend - AnalysisEinsteigerNeu
Vector-Suche für Produkt-Empfehlungen bei einem Hamburger FMCG-Konzern
Du erhältst Embeddings für 180.000 Produkte (768-dimensional, aus einem mehrsprachigen Sentence-Transformer), 5.000 Such-Anfragen mit Relevanz-Labels (Klick = relevant, gewertet…
- Vector Search
- Benchmarking
- Python
Machine Learning at Scale - 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 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
Aufmerksamkeits-Analyse zur Erklaerung von MT-Fehlern fuer ein EU-Sprachenteam
Du erhaeltst rund 200 Saetze mit beobachteten Faktenfehlern (Zahlen, Eigennamen, Negationen). Verwende ein vortrainiertes Transformer-MT-Modell (z. B. Helsinki-NLP/opus-mt) und …
- Attention Mechanism
- Transformers
- Model Interpretation
Machine Translation - 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
- Embeddings
Fachübergreifend - 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…
- Lora
- Supervised Fine Tuning
- LLM Evaluation
Fine-Tuning Large Language Models - 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 - 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
Neuronale MT-Domaenenadaption fuer einen Maschinenbau-Dokumentationsanbieter
Du erhaeltst rund 200 000 parallele Saetze Deutsch-Englisch aus Wartungsanleitungen und Bedienhandbuechern eines Maschinenbau-Korpus. Wahle ein vortrainiertes Modell (z. B. Hels…
- Neural Machine Translation
- Domain Adaptation
- Fine Tuning
Fachübergreifend - 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
Fachübergreifend - CodeEinsteigerNeu
Klassifikator für Beschwerde-Tickets eines Telekommunikations-Anbieters
Du erhältst rund 40.000 gelabelte Beschwerde-Texte (4 Monate Historie, 14 Klassen) plus eine Klassen-Definition mit Beispielen. Vergleiche eine klassische TF-IDF + logistische R…
- Text Classification
- Transformers
- Tf Idf
Fachübergreifend - CodeMittelstufeNeu
Diffusion-Modell für Modefotografie eines DTC-Labels
Du bekommst 200 Studio-Aufnahmen einer Sommer-Kollektion, den Stil-Guide des Labels und Zugriff auf eine gemietete A100-GPU. Trainiere zwei Varianten (Dreambooth full + LoRA), g…
- Diffusion Models
- Stable Diffusion
- Lora
Fachübergreifend 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
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…
- Knowledge Representation
- Rule Engines
- Python
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 - 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
Fachübergreifend - 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 - ResearchSeniorNeu
Sentiment-Shift-Erkennung in der Solar-Industrie-Debatte
Erstelle ein prototypisches Frühwarnsystem für Sentiment-Shift-Erkennung in der deutschsprachigen Solar-Industrie-Debatte. Sammle über einen definierten Zeitraum von mindestens …
- Social Media Data
- Natural Language Processing
- Time Series Analysis
Social Media and Web Analytics - ResearchEinsteigerNeu
Word-Embedding-Vergleich für Stuttgarter Automotive-NLP-Team
Sie erhalten 280.000 deutsche Werkstatt-Reports. Trainieren Sie zwei Embedding-Varianten von Grund auf auf der Domäne: (1) Word2Vec mit Skip-Gram, (2) FastText (handhabt OOV-Wör…
- Word Embeddings
- Word2vec
- Fasttext
Fachübergreifend - CodeMittelstufeNeu
Call-Center-Transkription für einen Münchner Versicherer
Du erhältst rund 200 anonymisierte Schaden-Anrufe (zwischen 2 und 8 Minuten, mit echten Hintergrund-Geräuschen) und 50 menschliche Goldstandard-Transkripte zur Validierung. Setz…
- Speech Recognition
- Speaker Diarization
- NLP
Speech Recognition and Spoken Language Processing - 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…
- Vector Search
- Embeddings
- Semantic Search
Vector Databases and Embeddings - StrategyEinsteigerNeu
Frischhalte- und Kostenmodell für eine RAG-Wissensdatenbank entwerfen
Du bekommst die Anforderungen: 280.000 Bestandsdokumente, 400 neue pro Tag, 50 Konsulent:innen mit durchschnittlich 12 Suchen pro Tag, Erwartung 'Dokumente älter als 24 Stunden …
- RAG
- Vector Databases
- Data Pipelines
Fachübergreifend - 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 - 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
- Knowledge Representation
- Python
Automated Planning - CodeMittelstufeNeu
Named-Entity-Recognition für Schweizer Rechtsanwaltskanzlei
Sie erhalten 1.200 annotierte Vertragsabschnitte (je 400 pro Sprache) mit 8 Entity-Typen. Fine-tunen Sie ein multilinguales XLM-RoBERTa-Modell auf 80 % der Daten und evaluieren …
- Named Entity Recognition
- Multilingual NLP
- Xlm Roberta
Natural Language Processing
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.