IA y Datos
Retos de Visión por Computador
Los retos de Visión por Computador te ponen a enseñar a las máquinas a ver. Desarrollarás habilidades en Procesamiento de Imágenes y Clasificación con CNN, construirás pipelines con OpenCV, abordarás la Detección de Objetos y la Segmentación, y adaptarás modelos preentrenados mediante Transfer Learning.
A partir de ahí abordarás los temas más complejos — Arquitecturas Personalizadas, Visión 3D, Inferencia en Tiempo Real y Gráficos por Computador — construyendo y desplegando sistemas de visión como lo hacen los equipos de investigación aplicada. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- CodeIntermedioNuevo
Genera ambientes para videojuegos con GANs en una indie chilena
Recibirás 3 categorías (terreno, follaje, cielo) con 300 texturas históricas cada una (1024x1024). Fine-tunea StyleGAN3 sobre cada categoría usando transfer learning desde un ch…
- Gan
- Stylegan
- Fine Tuning
Deep Generative Models - CodePrincipianteNuevo
Detecta cosecha óptima de fresa con visión RGB en invernadero
Recibirás 5.000 imágenes etiquetadas con cajas delimitadoras y clase (verde, comercial, sobre-madura) capturadas a distintas horas del día. Entrenarás un detector ligero (YOLOv8…
- Object Detection
- Edge Deployment
- Pytorch
Image Processing and Computational Imaging - CodePrincipianteNuevo
Calibrar un anillo de cuatro cámaras para robots de almacén
Diseñarás y prototiparás un flujo de calibración usando un tablero ChArUco impreso (un tablero de ajedrez con marcadores ArUco embebidos). Recibirás un conjunto de datos de 200 …
- Camera Calibration
- Multi View Geometry
- Opencv
3D Vision and Multi-View Geometry - CodePrincipianteNuevo
Construye un pipeline de imágenes para clasificar defectos en línea de calzado
Recibirás 4.500 imágenes etiquetadas (3 clases: OK, defecto leve, defecto severo) capturadas con una webcam industrial. Construye un pipeline en PyTorch con un modelo preentrena…
- Computer Vision
- Transfer Learning
- Pytorch
AI/ML Practicum and Hands-on Lab 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
- ResearchIntermedioNuevo
Reconoce ingredientes con CV en una app de delivery brasileña
Recibirás un dataset semi-curado de 15.000 imágenes con bounding boxes para 80 clases de ingrediente (heredado de un dataset público + filtrado). Reservarás 1.000 fotos 'cocina …
- Object Detection
- Yolo
- Pytorch
Deep Learning for Computer Vision - CodeIntermedioNuevo
Despliega un modelo de visión en edge para inspección de aceitunas
Recibirás un dataset de 8.000 imágenes etiquetadas (4 clases: sana, golpe, mosca, podrida) capturadas en condiciones reales de planta. Entrenarás un modelo (transfer learning de…
- Deep Learning
- Computer Vision
- Model Optimization
Machine Learning (CS Elective) - CodePrincipianteNuevo
Segmentación de Hojas de Olivo Enfermas en Jaén
Recibes 2.400 fotos anotadas con máscara de zona afectada y etiqueta de enfermedad (tres clases + sana). Entrena un U-Net ligero (encoder MobileNetV3 small o ResNet18) para segm…
- Semantic Segmentation
- Cnn
- Deep Learning
Multidisciplinar - CodeIntermedioNuevo
Adapta un clasificador few-shot para una startup biotech de Barcelona
Recibes un meta-train set de 60 tareas (clasificación binaria sobre cultivos similares, ~500 imágenes/tarea) y 10 tareas meta-test con solo 5 ejemplos por clase (5-shot) y query…
- Meta Learning
- Few Shot Learning
- Prototypical Networks
Meta-Learning, Transfer Learning, and Multi-Task Learning - 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.
- CodePrincipianteNuevo
Aplica transfer learning para clasificar especies marinas en Chiloé
Recibes 1.200 imágenes (100 por especie) divididas en train/val/test 60/20/20. Compara: (a) ResNet-50 congelado + cabeza nueva, (b) descongelar últimas 2 capas + cabeza, (c) fin…
- Transfer Learning
- Fine Tuning
- Image Classification
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeSéniorNuevo
Detecta nódulos pulmonares en TC para health-tech en Medellín
Trabajen en equipo de 2-3. Reciben 1.200 TCs anonimizadas con anotaciones de nódulos. Entrenen un detector 3D (RetinaNet 3D o nnDetection). Reporten FROC con sensibilidades a 0.…
- Object Detection
- 3d Detection
- Medical Imaging
Machine Learning for Imaging and Medical Image Analysis - CodeSéniorNuevo
Simulación Física FLIP para Fluidos en una Productora de Animación
Implementa FLIP estándar: grid MAC con velocidades en faces, partículas con velocidad e historia, transfer P2G + G2P, proyección de presión (solve Poisson via Conjugate Gradient…
- Physical Simulation
- Fluid Simulation
- Flip
Multidisciplinar - CodeIntermedioNuevo
Detecta neumonía en RX de tórax para hospital universitario en Bogotá
Recibes 40.000 RX de tórax con etiquetas binarias (neumonía/no) provenientes de dos hospitales públicos. Entrena DenseNet-121 con transfer learning desde CheXNet o ImageNet. Rep…
- Medical Image Classification
- Transfer Learning
- Interpretability
Machine Learning for Imaging and Medical Image Analysis Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- CodePrincipianteNuevo
Detecta defectos en placa cerámica para línea de control de calidad
Recibirás 8.000 imágenes etiquetadas (5 categorías: OK, microfisura, descuelgue, mancha, otro) capturadas con la cámara industrial existente. Entrenarás un clasificador (ResNet5…
- Image Classification
- Transfer Learning
- Pytorch
Image Processing and Computational Imaging - CodeFundamentosNuevo
Detector de Defectos en Conservas para una Industria de Murcia
Recibes 1.500 imágenes etiquetadas (defectuosas / aceptables) de producto en el formato exacto antes del cierre. Construye un pipeline clásico: segmentación del producto vs fond…
- Image Processing
- Feature Extraction
- Classification
Computer Vision (Undergraduate) - CodeIntermedioNuevo
Genera imágenes sintéticas para entrenar un detector de neumáticos en Vigo
Trabajen en equipo de 2. Usen Stable Diffusion con LoRA (Low-Rank Adaptation — adaptación de bajo rango) por modelo para generar ~500 imágenes sintéticas por clase con variación…
- Generative Perception
- Stable Diffusion
- Lora Fine Tuning
Machine Perception - CodeIntermedioNuevo
Construye un sistema de moderación multimodal para un marketplace de Bogotá
Recibirás 3.000 listados anonimizados etiquetados (95 % OK, 5 % inapropiado). Implementa: (1) clasificador solo-imagen con un modelo preentrenado, (2) clasificador solo-texto co…
- Multimodal Ml
- Fusion
- Image Classification
Multimodal Machine Learning - CodePrincipianteNuevo
Detecta defectos en aceitunas para una conservera murciana
Recibes 12.000 imágenes etiquetadas (3.000 por clase) capturadas con cámara industrial sobre fondo controlado. Entrena un MobileNetV3-Small fine-tuneado desde ImageNet. Reporta …
- Image Classification
- Transfer Learning
- Data Augmentation
Machine Perception - CodeFundamentosNuevo
Conteo de Personas en Espacio Cerrado para una Cafetería en Málaga
Recibes 4 horas de video cenital (720p, 15 fps) con ground truth manual de conteo de entradas y salidas. Aplica preprocesamiento (substracción de fondo), detección por blob, tra…
- Video Analysis
- Background Subtraction
- Tracking
Computer Vision (Undergraduate)
Cómo funciona
Del briefing al certificado, en seis pasos.
Paso 01
Explora retos alineados con tus estudios.
Paso 02
Acepta el que encaja con tus metas.
Paso 03
Trabájalo con la guía del AI Copilot.
Paso 04
Envíalo para una evaluación estructurada.
Paso 05
Consigue una credencial verificada.
Paso 06
Añádela a LinkedIn con un solo clic.
Familias de competencias relacionadas
Explorar todas las competenciasEquipos del sector tras una década de briefings prácticos
¿Reclutando de este grupo?
Patrocina un reto y conoce candidatos a través de su trabajo real.
Los equipos de la industria pueden diseñar briefings en torno a las habilidades que buscan, y evaluar a los estudiantes por entregables puntuados con rúbrica — no por currículums.