Tree-Ensembles
Wenn Du gerne Tree-Ensembles anwendest, kannst Du das hier an realen Industrieprojekten üben.
- 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 - 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
Fachübergreifend - 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
- Cross Validation
- Regression
Machine Learning - 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
- Model Evaluation
Fachübergreifend 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
Fachübergreifend - 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
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 - 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
- Model Evaluation
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.
- 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 - 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
- Neural Networks
- Model Evaluation
Fachübergreifend - 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…
- B Tree
- Data Structures
- Typescript
Fachübergreifend - 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 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
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
- Xgboost
- Shap
AI and Quantitative Finance - 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
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.
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.