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.
- StrategyIntermedioNuevo
Optimizar la estrategia de precios de una SaaS de gestión logística portuaria
Debes diseñar y ejecutar un estudio de investigación de precios que permita reestructurar el modelo de tarificación. El trabajo incluye: (1) definición de segmentos de clientes …
- Pricing Research
- Conjoint Analysis
- Segmentation Analysis
Multidisciplinar - CodeIntermedioNuevo
Clasifica reclamaciones de seguros con un modelo de lenguaje afinado
Recibirás 18.000 reclamaciones anonimizadas etiquetadas (urgencia 1-3, ramo en 12 categorías, flag fraude). Diseñarás el preprocesamiento de texto. Afinarás 2 modelos pre-entren…
- Deep Learning
- Transfer Learning
- NLP
Multidisciplinar - CodeIntermedioNuevo
Detección de Defectos en Soldadura para una Planta Tier-1 de Vigo
Recibes 6.500 imágenes RX anotadas (bounding boxes de tres tipos de defecto: poro, falta de fusión, inclusión). Entrena un detector moderno (DETR — Detection Transformer o YOLO-…
- Object Detection
- Deep Learning
- Pytorch
Multidisciplinar - 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
- 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 - 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 - CodeIntermedioNuevo
Reconocimiento de Productos en Estantería para un Distribuidor Retail en Bogotá
Recibes 9.000 fotos de estantería con bounding boxes y etiquetas a nivel SKU (220 SKUs distintos). Combina detección (DETR o YOLO) + clasificación fine-grained sobre el crop. Ev…
- Object Detection
- Fine Grained Classification
- Pytorch
Computer Vision - CodeIntermedioNuevo
Detecta defectos en piezas automotrices con un CNN en línea
Recibirás un dataset propio anonimizado de 12.000 imágenes etiquetadas (8.500 buenas, 3.500 con 4 tipos de defecto: rebaba, hundimiento, mancha, ralladura). Entrena un detector …
- Cnn
- Image Classification
- Defect Detection
Deep Learning for Computer Vision - 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.
- CodeIntermedioNuevo
Reconstrucción de Mallas con Poisson Surface para una Startup de Patrimonio Digital
Implementa el pipeline en C++ con Open3D y libigl: (1) preprocesamiento bilateral filtering + outlier removal; (2) estimación de normales orientadas vía MST; (3) Poisson surface…
- Geometry Processing
- Mesh Reconstruction
- Poisson Reconstruction
Advanced Computer Graphics - CodeIntermedioNuevo
Detección de Peatones Nocturnos para un OEM Automotor Catalán
Recibes 25.000 imágenes nocturnas etiquetadas (BDD100K subset + recopilación interna anonimizada) con bounding boxes de peatones. Entrena un detector basado en YOLOv8 o RT-DETR,…
- Object Detection
- Deep Learning
- Model Evaluation
AI for Autonomous Vehicles - 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 - 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 Get recognized by recruiters and employers.
Credentials are blockchain-anchored via LearnCoin — tamper-evident, portable, link-shareable on LinkedIn and beyond.
Why Ewance
- 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 - CodePrincipianteNuevo
Entrena una CNN para diagnóstico asistido en una EdTech médica
Trabajarás con un subset público de chest X-rays (alrededor de 50.000 imágenes, 14 patologías multi-label). Entrena un DenseNet121 (estándar en literatura X-ray) con transfer le…
- Cnn
- Transfer Learning
- Model Calibration
Deep Learning - 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 - 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 - 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
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
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.