IA y Datos
Retos de Deep Learning
Los retos de Deep Learning te sitúan en el centro del trabajo de construir modelos que aprenden de datos en bruto. Desarrollarás habilidades en Redes Neuronales y Redes Feedforward, aplicarás Aumentación de Datos y entrenarás modelos en PyTorch o TensorFlow junto a los fundamentos del Reinforcement Learning.
A partir de ahí abordarás los temas más complejos — Arquitectura Transformer, Mecanismos de Atención, Diseño de Arquitectura Personalizada y Entrenamiento Distribuido — trabajando con PyTorch Lightning / Hugging Face Trainer, Patrones de Investigación con JAX y Diseño de Estudios de Ablación. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- 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
Optimiza el inventario de una maquiladora con un MDP
Recibirás 36 meses de historia anonimizada de demanda diaria, plazos de entrega de proveedor (variables) y costes (mantener stock, stockout, orden). Modela el problema como un M…
- Mdp
- Dynamic Programming
- Reinforcement Learning
Decision Making Under Uncertainty - CodeIntermedioNuevo
Detección de palabras clave de despertador en español mexicano para wearable
Recibes 12.000 grabaciones positivas de la palabra clave por hablantes mexicanos, 80.000 grabaciones negativas (conversación, ruido de gimnasio, otras palabras parecidas) y un o…
- Keyword Spotting
- Model Quantization
- Edge Deployment
Speech Recognition and Spoken Language Processing - ResearchIntermedioNuevo
Grad-CAM para Tumor Cerebral en Centro Radiológico de Sevilla
Recibirás un modelo de clasificación binaria (tumor / no tumor) entrenado en ~6.000 cortes axiales sintéticos (no se usan datos clínicos reales en el reto). Implementa Grad-CAM …
- Grad Cam
- Saliency Maps
- Explainability
Explainable and Interpretable AI 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
- CodePrincipianteNuevo
Detección de fugas con sensores acústicos para una utility chilena
Recibes 40.000 ventanas de un segundo de señal acústica con etiqueta (fuga, transitorio, ruido) provenientes de 200 sensores. Construye features clásicas (espectrograma de Mel, …
- Signal Processing
- Deep Learning
- Python
AI for Science and Engineering - 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 - CodeIntermedioNuevo
Pricing dinámico de opciones para una mesa de derivados
Recibes dos años de cotizaciones de opciones sobre tres índices europeos (vencimientos, strikes, ATM/OTM) más la superficie de volatilidad implícita calibrada al cierre. Entrena…
- Deep Learning
- Quantitative Finance
- Model Validation
AI and Quantitative Finance - CodeSéniorNuevo
Manipular objetos deformables con aprendizaje por imitación
Dispondrás de 200 demostraciones teleoperadas (datos de fuerza/torque, imágenes RGB-D y secuencias de joints) sobre una celda con un brazo Franka Emika Panda y un material sinté…
- Imitation Learning
- Deformable Manipulation
- Diffusion Policy
Advanced Robotics - 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.
- 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 - CodeIntermedioNuevo
GAN para Augmentación de Imágenes Térmicas en Patrulla Forestal en Asturias
Recibirás ~2.800 imágenes térmicas etiquetadas (fuego pequeño/no fuego) y un detector baseline. Entrena un generador (GAN tipo StyleGAN o un modelo de difusión pequeño) condicio…
- Generative Models
- Gan
- Data Augmentation
Generative AI - ResearchIntermedioNuevo
Investiga back-translation para mejorar MT EN→Catalán en una editorial
Recibes 80.000 pares EN↔CA reales + 5 M de oraciones en catalán monolingüe. Aplica back-translation: traduce el monolingüe CA→EN con un modelo intermedio, luego entrena (o fine-…
- Back Translation
- Low Resource Mt
- Neural Machine Translation
Machine Translation - CodeIntermedioNuevo
Predicción de propiedades moleculares para una farma española
Recibes una versión limpia de los conjuntos públicos ESOL (solubilidad acuosa) y PAMPA (permeabilidad) más una API simple para convertir SMILES en grafos moleculares. Implementa…
- Graph Neural Networks
- Cheminformatics
- Pytorch
AI for Science and Engineering 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
- 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 - ResearchIntermedioNuevo
Investiga adaptación de dominio para NLP en una startup legal de Madrid
Trabajen en equipo de 2. Reciben el modelo base (RoBERTa-base fine-tuneado), 50.000 ejemplos del dominio fuente etiquetados y 3.000 del dominio target sin etiquetar + 600 etique…
- Domain Adaptation
- Transfer Learning
- Lora Fine Tuning
Multidisciplinar - CodeSéniorNuevo
Fusion Sensor Cámara + LiDAR para Inspección Autónoma en Curitiba
Recibes un dataset propio (40.000 frames sincronizados cámara + LiDAR de patios industriales) con etiquetas 3D. Implementa dos enfoques: fusión tardía (detectores independientes…
- Sensor Fusion
- Lidar Processing
- Deep Learning
Multidisciplinar - CodePrincipianteNuevo
Reconocimiento de Logos en Imágenes Móviles para una App de Cartagena (Colombia)
Recibes 4.000 imágenes etiquetadas de los 25 logos (recolectadas por el equipo en calle) y 800 imágenes negativas (escenas urbanas sin logo). Aplica transfer learning sobre un b…
- Transfer Learning
- Image Classification
- Cnn
Computer Vision (Undergraduate) - CodeSéniorNuevo
Predicción estructurada de etiquetas en imagenes satelitales
Recibirás 4.500 tiles Sentinel-2 (256x256 px, 13 bandas) con máscaras multi-etiqueta. Entrenarás un encoder ConvNeXt-Tiny como extractor y compararás (1) clasificación independi…
- Structured Prediction
- Conditional Random Fields
- Convolutional Neural Networks
Advanced Machine Learning - ResearchSéniorNuevo
RL para manipulación delicada en línea de moda
En equipo de 2-3, recibes el robot colaborativo simulado en SoftGym (o equivalente con tela deformable) con 3 niveles de dificultad: (E1) camiseta plana, (E2) camiseta arrugada,…
- Reinforcement Learning
- Curriculum Learning
- Robot Learning
Robot Learning - ResearchSéniorNuevo
Pre-entrenar un encoder auto-supervisado para imágenes médicas
Diseñarás un experimento controlado: (1) implementa o adapta un objetivo auto-supervisado moderno (DINOv2, MAE o SimCLR) sobre un ResNet-50 o un ViT-B/16; (2) pre-entrena sobre …
- Self Supervised Learning
- Pytorch
- Vision Transformers
Multidisciplinar - ResearchPrincipianteNuevo
Variational Autoencoder para Síntesis de Diseños de Etiqueta en Mendoza
Recibirás ~3.500 etiquetas históricas de bodegas y un brief del nuevo vino (perfil, target, paleta). Entrena un VAE convolucional (latente 64-128 dim) sobre las etiquetas. Explo…
- Vae
- Generative Models
- Latent Space Exploration
Generative AI - 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 - CodeSéniorNuevo
Construye un sistema MAML para personalizar recomendaciones en streaming
Recibes histórico de 60.000 usuarias con sus interacciones (canción, like, skip, completed). Define cada usuaria como tarea de clasificación binaria 'le va a gustar la siguiente…
- Maml
- Meta Learning
- Personalization
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeIntermedioNuevo
Compresión de modelos con distillation para edge
Recibirás el modelo teacher (YOLOv8-L) entrenado sobre 18.000 imágenes etiquetadas + el conjunto de validación. Diseñarás una estrategia que combine: (1) knowledge distillation …
- Knowledge Distillation
- Model Pruning
- Quantization
Advanced Deep Learning - CodeIntermedioNuevo
Compara DQN y SAC para control de cinta transportadora aleatoria
En equipo de 2, recibes el simulador de cinta calibrado contra logs de 30 días reales. Estado = (carga actual, tasa de llegada estimada, temperatura del motor). Acción discreta …
- Reinforcement Learning
- Dqn
- Sac
Multidisciplinar
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.