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.
- CodePrincipianteNuevo
Modela secuencias de gestos para una empresa de retail interactivo en Bilbao
Recibes 4.500 clips etiquetados (900 por clase) de 16 frames a 15 fps. Extrae keypoints de mano con MediaPipe Hands y entrena dos modelos temporales: LSTM bidireccional y un Tra…
- Sequence Models
- Lstm
- Temporal Transformers
Machine Perception - CodeIntermedioNuevo
Aprendizaje por demostración para tareas de pick-and-place
Trabajarás en simulación (Isaac Gym o PyBullet) con un brazo Franka Panda o equivalente. Diseña un flujo donde el técnico graba 5 demostraciones de una tarea de pick-and-place. …
- Imitation Learning
- Behavior Cloning
- Robot Manipulation
Robotics - ResearchSéniorNuevo
Análisis interpretabilidad mecánica de un modelo pequeño
Elige una tarea sencilla bien estudiada (por ejemplo predicción del último token de una secuencia aritmética o resolución de pronombres en frases cortas). Sobre un Transformer p…
- Mechanistic Interpretability
- Transformer Internals
- Pytorch
AI Safety and Alignment - 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 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
- 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 - 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 - 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 - DesignIntermedioNuevo
Diseña un sistema de federated learning para hospitales en Brasil bajo LGPD
Recibirás 3 datasets sintéticos representando 3 hospitales (15.000-25.000 pacientes cada uno) con esquemas idénticos. Implementa: (1) modelo baseline entrenado centralmente sobr…
- Federated Learning
- Secure Aggregation
- Lgpd Compliance
Privacy-Preserving 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.
- 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 - CodeIntermedioNuevo
Embeddings distribuidos para recomendación en marketplace fintech LATAM
Recibes un subconjunto anonimizado de 50 millones de interacciones usuario-producto y un cluster con 4 GPUs. Implementa una arquitectura two-tower (una torre para usuario, otra …
- Distributed Training
- Recommender Systems
- Pytorch
Machine Learning at Scale - ResearchSéniorNuevo
Investiga ataques de model inversion sobre un modelo de salud anonimizado
Recibirás un modelo de clasificación de imágenes médicas (ResNet-50 fine-tuneado) y el dataset de entrenamiento anonimizado. Implementa: (1) ataque de model inversion (Fredrikso…
- Model Inversion
- Membership Inference
- Privacy Attacks
Privacy-Preserving Machine Learning - AnalysisPrincipianteNuevo
Evalúa estrategias de cuantización para inferencia económica en español
Tomarás Llama-3 8B-Instruct o Qwen2 7B-Instruct y producirás 4 variantes: FP16 baseline, INT8 (bitsandbytes), INT4-AWQ, INT4-GPTQ. Evaluarás sobre 3 benchmarks en español: una t…
- Quantization
- LLM Inference
- Benchmarking
Large Language Models 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
- ResearchSéniorNuevo
Comparar arquitecturas de gran escala bajo presupuesto fijo
Definirás el protocolo experimental: mismo dataset de pre-entrenamiento (un subset abierto, p. ej. SlimPajama 50B tokens), mismo presupuesto en FLOPs, mismo tokenizer. Entrenará…
- Large Scale Training
- Transformer Architectures
- Mixture Of Experts
Advanced Deep Learning - 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 - CodeIntermedioNuevo
Aplica privacidad diferencial a un modelo de scoring para una banca IBEX-35
Recibirás un dataset anonimizado de 800.000 solicitudes de crédito y un baseline (red neuronal entrenada normalmente). Implementa DP-SGD con Opacus sobre PyTorch para tres presu…
- Differential Privacy
- Dp Sgd
- Pytorch
Privacy-Preserving Machine Learning - CodeSéniorNuevo
Política End-to-End de Conducción para un Reto de Karting Autónomo
Recibes 12 horas de demos del piloto humano (cámara frontal a 30 Hz + comandos), una pista replicada en CARLA y un baseline PID. Entrena una política de imitación (CNN ligera ti…
- Imitation Learning
- End To End Learning
- Pytorch
AI for Autonomous Vehicles - CodeSéniorNuevo
Aprender locomoción cuadrúpeda con reinforcement learning
Trabajarás con Isaac Gym o Isaac Lab que permite entrenar en miles de robots simulados en paralelo. Implementarás un setup PPO sobre un modelo del cuadrúpedo (similar a Unitree …
- Reinforcement Learning
- Learning Based Control
- Isaac Gym
Multidisciplinar - CodeIntermedioNuevo
Ataques adversariales y entrenamiento robusto para clasificador de fraude
Recibes el modelo del cliente (pesos), su dataset de transacciones anonimizado y permiso explícito para evaluar adversarialmente. Aplica al menos tres ataques (Fast Gradient Sig…
- Adversarial Attacks
- Adversarial Training
- Robustness Testing
Trustworthy AI, Robustness, and Safety - ResearchIntermedioNuevo
Reproducción de un resultado del estado del arte en visión
Elige (entre tres opciones proporcionadas) un paper reciente del estado del arte en clasificación de imágenes con código y datasets públicos. Reproduce el experimento principal …
- Reproducibility
- Model Evaluation
- Deep Learning
AI Measurement and Evaluation - CodeIntermedioNuevo
Sim-to-real para robot de inspección en bodega vitivinícola
En equipo de 2, recibes un modelo de la bodega en Isaac Sim (o Gazebo) y especificación del robot móvil. Entrena un agente PPO de navegación con domain randomization sobre 6 par…
- Sim To Real
- Domain Randomization
- Reinforcement Learning
Robot Learning - CodeIntermedioNuevo
Entrena un DQN para Soldadura Robotizada en Planta de Aguascalientes
Recibirás un simulador compatible con Gymnasium (celda con dos brazos UR10, 12 puntos de soldadura por carrocería, perturbaciones aleatorias de posicionamiento) y el script con …
- Deep Q Learning
- Reinforcement Learning
- Pytorch
Deep Reinforcement Learning - 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 - 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 - CodeIntermedioNuevo
Tracking Multi-Objeto en Puerto de Valencia
Recibes 6 horas de video (10 cámaras, 1080p, 15 fps) con anotación MOT (identidades + boxes por frame) sobre 90 segundos por cámara como ground truth. Integra un detector preent…
- Multi Object Tracking
- Object Detection
- Pytorch
Computer Vision
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.