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
Red neuronal informada por la física para flujo en tuberías
Recibes la formulación matemática del problema (ecuación de continuidad y de momento simplificadas en 2D), tres geometrías de referencia con su solución numérica de alta calidad…
- Physics Informed Nn
- Scientific Computing
- Pytorch
AI for Science and Engineering - 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
AI for Autonomous Vehicles - CodeIntermedioNuevo
Entrenar un NeRF para visitas virtuales de hoteles en Mallorca
Recibirás vídeos de 60-90 segundos por habitación (3 habitaciones de muestra) más fotogramas extraídos y las poses estimadas con COLMAP. Entrenarás un NeRF (variante Instant-NGP…
- Neural Scene Representation
- Nerf
- Gaussian Splatting
3D Vision and Multi-View Geometry - 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
Computer Vision 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
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) - 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
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
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 - 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
Operador neural para simulación de transferencia de calor
Recibes un conjunto de mil pares (geometría parametrizada en una malla 64x64, campo de temperatura estacionario obtenido con elementos finitos). Implementa un FNO en PyTorch ent…
- Neural Operators
- Deep Learning
- Pytorch
AI for Science and Engineering - 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
Advanced Deep Learning - 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 - ResearchPrincipianteNuevo
Síntesis de voz expresiva para audiolibros infantiles en español
Recibes 6 horas de grabaciones de narradores profesionales cedidas para fine-tuning, los textos de 3 libros piloto y acceso al modelo XTTS preentrenado. Genera narración complet…
- Text To Speech
- Prosody Modeling
- User Research
Speech Recognition and Spoken Language Processing 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
- 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
Meta-Learning, Transfer Learning, and Multi-Task Learning - CodeIntermedioNuevo
Genera resúmenes visuales de partidos para un medio deportivo mexicano
Recibirás 30 partidos completos anotados con timestamps de eventos (gol, tiro, falta, sustitución, tarjeta). Entrena un modelo de detección de eventos basado en un encoder visua…
- Video Understanding
- Temporal Action Detection
- Clip
Deep Learning for Computer Vision - CodePrincipianteNuevo
Implementa atención y compárala con seq2seq sin atención en EN→ES
Usa un subset de TED Talks ES↔EN (200.000 pares filtrados ≤50 tokens). Implementa en PyTorch: (a) seq2seq encoder-decoder con LSTM, (b) el mismo + atención de Bahdanau. Entrena …
- Seq2seq
- Attention Mechanism
- Bahdanau Attention
Machine Translation - CodeIntermedioNuevo
Predicción de Propiedades Moleculares con GNN para Startup Farmacéutica en Bilbao
Recibirás un dataset público (MoleculeNet) más ~4.500 moléculas internas anonimizadas etiquetadas con 4 propiedades ADMET. Implementa una MPNN (Message Passing Neural Network) s…
- Graph Neural Networks
- Message Passing
- Molecular Ml
Machine Learning on Graphs - 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
Advanced Robotics - CodeIntermedioNuevo
Transcribe y analiza llamadas de soporte con un encoder + decoder
Recibirás 4.000 llamadas anonimizadas en español (8 segundos a 12 minutos) con etiquetas de motivo (12 categorías) y sentimiento (positivo/neutro/negativo). Implementa el pipeli…
- Asr
- Whisper
- Transformers
Deep Learning - 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 - 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 - ResearchSéniorNuevo
Detección de retinopatía diabética con calibración de incertidumbre
Recibes 6.000 retinografías anonimizadas etiquetadas en la escala internacional de gravedad (0 a 4) y un conjunto de validación adicional de 800 imágenes. Entrena un modelo de c…
- Medical Image Classification
- Uncertainty Calibration
- Vision Transformers
Visual Intelligence and Visual Reasoning - CodePrincipianteNuevo
Extrae cláusulas críticas de contratos con NLP supervisado
Recibirás 1.500 contratos comerciales en español anonimizados con cláusulas anotadas por jurista (spans con tipo de cláusula). Entrenarás un modelo de extracción tipo BERT (RoBE…
- Information Extraction
- Token Classification
- Pytorch
Linguistic Engineering and Language Technologies - ResearchIntermedioNuevo
Augmenta datasets escasos con VAEs para clasificación médica
Trabajarás con un dataset público (BloodMNIST o similar de MedMNIST, alrededor de 17.000 imágenes en 8 clases). Reduce artificialmente a 500 imágenes por clase para simular esca…
- Vae
- Generative Models
- Data Augmentation
Deep Generative Models - CodeIntermedioNuevo
Diseña una política de pricing dinámico para una hotelera caribeña
Recibirás 4 años de datos anonimizados de booking y precios por noche por propiedad, más eventos exógenos (festivos, eventos locales). Construye un simulador de demanda que repr…
- Reinforcement Learning
- Dynamic Pricing
- Simulation
Decision Making Under Uncertainty
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.