AI Research
Angewandte KI-Forschung
Applied AI scientists leben in der produktiven Spannung zwischen Forschungspapieren und Produkt-Roadmaps. Die Arbeit besteht darin, an einem Dienstag ein Ergebnis von arxiv zu reproduzieren, um dann bis Donnerstag zu entscheiden, ob es an ein Problem angepasst werden kann, das noch niemand anders formuliert hat.
Die Tage mischen Ablationsstudien, sorgfältiges Evaluationsdesign und Gespräche mit Ingenieuren darüber, was realistisch ausgeliefert werden kann. Gute Arbeit zeigt sich hier in einem Experiment, das sauber deine Lieblingshypothese widerlegt und dann eine bessere vorschlägt.
Studierende wachsen in diese Rolle hinein, indem sie PyTorch und Hugging Face Transformers als ihre Laborbank behandeln und lernen, Ergebnisse so aufzuschreiben, wie ein Wissenschaftler es tun würde – mit Annahmen, Einschränkungen und einem Weg für die nächste Person, die Arbeit fortzusetzen.
Empfohlene Industrieprojekte
· Nur Fortgeschritten Zurücksetzen- ResearchMittelstufeNeu
Kooperative Agenten für Game-Studio in Wien
Sie bekommen ein vereinfachtes Grid-World-Spiel (Ressourcen sammeln, Hindernisse umgehen, gemeinsame Ziele erreichen) mit Python-API. Implementieren Sie zwei KI-Begleiter-Varian…
- Multi Agent Rl
- Mappo
- User Study
Multi-Agent Systems - CodeMittelstufeNeu
Visuelle Anomalie-Erkennung für eine Röntgen-Triage-Lösung
Du arbeitest mit dem offenen NIH ChestX-ray14-Datensatz (etwa 112.000 Röntgen-Bilder). Trainiere zwei Modelle: (1) ein binäres Anomalie-vs.-unauffällig-Modell auf einem ConvNeXt…
- Medical Imaging
- Cnn Klassifikation
- Modell Evaluation
Visual Intelligence and Visual Reasoning - ResearchMittelstufeNeu
Embedding-Modell für deutsche Produktdaten feinjustieren
Du erhältst 80.000 Produkt-Datensätze (Titel, Beschreibung, Kategorien) plus 1.200 historische Klick-Logs ('Anfrage X -> geklicktes Produkt Y') und 100 manuell gelabelte Test-An…
- Fine Tuning
- Contrastive Learning
- Sentence Transformers
Vector Databases and Embeddings - 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 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
- AnalysisMittelstufeNeu
Imitation-Learning-Baseline für ein autonomes Lieferfahrzeug
Du erhältst 12 Stunden Telemetrie + Kamera-Stream menschlicher Sicherheitsfahrten aus dem Münchner Innenstadtgebiet sowie einen CARLA-Stadt-Simulator. Trainiere eine Behavior-Cl…
- Imitation Learning
- Behavior Cloning
- Pytorch Oder Tensorflow
Deep Reinforcement Learning - ResearchMittelstufeNeu
Mehrziel-Evolution für die Portfolio-Optimierung eines Robo-Advisors
Du bekommst 5 Jahre tägliche Schlusskurse von 200 ETFs (Exchange Traded Funds), die Anlage-Universum-Regeln des Startups (z. B. UCITS-konform) und das Markowitz-Baseline-Ergebni…
- Nsga Ii
- Multi Objective Optimization
- Evolutionary Algorithms
Evolutionary Computation and Metaheuristic Search - ResearchMittelstufeNeu
Diffusionsmodell für synthetische Trainingsdaten im Onlinehandel feintunen
Du erhältst 5.000 reale Produktfotos in 12 Kategorien plus eine vortrainierte Stable-Diffusion-XL-Checkpoint. Wähle eine Fine-Tuning-Methode (DreamBooth oder LoRA — Low-Rank Ada…
- Generative Models
- Diffusion Models
- Fine Tuning
Advanced Deep Learning - CodeMittelstufeNeu
Faires Scoring-Modell für ein Wiener Personalvermittlungs-Startup
Sie erhalten anonymisierte historische Vermittlungsdaten (10.000 Profile, 2.400 erfolgreiche Vermittlungen) mit Profilfeatures, Stellenanforderungen und Demografie-Labels (die n…
- Fairness In Ml
- Predictive Modeling
- Modell Evaluation
Applied Machine 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.
- 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 - AnalysisMittelstufeNeu
Spektrale Analyse eines Stromnetz-Graphen für Resilienz-Bewertung
Du bekommst den anonymisierten Mittelspannungsnetz-Graph (rund 2.800 Knoten, 3.500 Kanten) und Ausfallhistorie der letzten 5 Jahre. Berechne Laplace-Spektrum und algebraische Ko…
- Spectral Methods
- Graph Analysis
- Network Resilience
Machine Learning on Graphs - 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
DSGVO-Konformes Synthetic-Data-Lab für Hamburger Healthtech
Sie erhalten einen anonymisierten realen Datensatz (15.000 Datensätze, 22 Variablen, gemischt numerisch/kategorisch). Generieren Sie synthetische Versionen mit drei Methoden: (1…
- Synthetic Data
- Ctgan
- Differential Privacy
Privacy-Preserving Machine Learning 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
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 Rollen, die Dich interessieren könnten
Alle Rollen ansehen →AI Research
KI-Sicherheits-Forschung
Stell dir diese Rolle als die loyale Opposition innerhalb eines KI-Labors vor. Während deine Teamkollegen darum wetteifern, ein Modell leistungsfähiger zu machen, fragst du als KI-Sicherheitsforscher, was passiert, wenn es erfolgreich ist – beim falschen Ziel, aus den falschen Gründen, in den falschen Händen. Die Arbeit umfasst Red-Teaming von Prompts, das Entwickeln konstitutioneller Methoden, die Modelle zu prinzipientreuem Verhalten bewegen, und die Übersetzung von Erkenntnissen in Schutzmaßnahmen, die Produktteams tatsächlich übernehmen können. Gute Arbeit hier ist rigoros und bescheiden: Sie gibt zu, was noch unbekannt ist, anstatt es zu übertünchen. Studierende wachsen in diesen Bereich hinein, indem sie technische Tiefe in PyTorch mit breiter Lektüre in Ethik, Politik und Sicherheit kombinieren. Das Feld belohnt Menschen, die beides gleichzeitig halten können.
AI Research
ML-Forschung
Was wäre, wenn Aufmerksamkeit anders funktionieren würde? Was, wenn ein kleineres Modell, besser trainiert, mit einem viel größeren mithalten könnte? ML-Forscher jagen solche Fragen beruflich nach. Die Rolle existiert, um die Grenzen dessen zu erweitern, was Modelle leisten können – durch sorgfältige Ablationsstudien, neuartige Architekturen und die geduldige Mühsal, Experimente durchzuführen, die oft die eigene Lieblingshypothese widerlegen. Der Alltag mischt das Lesen aktueller Paper, das Skizzieren von Ideen und das Schreiben von JAX- oder PyTorch-Code, den jemand anderes in sechs Monaten lesen wird. Studierende wachsen in diesen Weg hinein, indem sie veröffentlichte Ergebnisse reproduzieren, bevor sie eigene erfinden, und lernen, Erkenntnisse mit intellektueller Ehrlichkeit aufzuschreiben. Die besten Forscher bleiben neugierig darauf, warum etwas funktioniert hat, nicht nur, dass es das tat.
AI Research
Forschung
Was lernt ein Modell eigentlich wirklich, und können wir es beweisen? Research Scientists in KI-Laboren verbringen ihre Karriere damit, diese Frage zu verfeinern. Die Arbeit wechselt zwischen langen Phasen des Lesens, sorgfältigen Ablationsstudien in PyTorch und den seltenen Momenten, in denen sich ein Benchmark bewegt und du verstehst, warum. CUDA-Kernel und Diffusionsmodell-Architekturen gehören zum Werkzeugkasten, aber die eigentliche Währung ist der Geschmack: zu wissen, welches Experiment eine Woche Rechenzeit wert ist und welches eine Ablenkung darstellt. Studierende, die hier aufblühen, kommen meist aus dem Machine Learning, der Physik oder der reinen Mathematik, und sie lesen Paper so, wie Romanautoren Romane lesen. Erwarte eine lange Lehrzeit, in der du die Ergebnisse anderer reproduzierst, bevor deine eigenen Ideen einen Platz auf einer Top-Konferenz verdienen.
Branchenteams 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.