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
Predicción de fallos en turbinas eólicas con datos de sensores
Debes construir un pipeline completo de ciencia de datos: limpieza y preprocesamiento de series temporales multivariantes, ingeniería de características relevantes para el desga…
- Time Series Analysis
- Neural Networks
- Predictive Maintenance
Data Science for Business - 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 - DesignIntermedioNuevo
Diseña una arquitectura de entrenamiento distribuido para una telco brasileña
Recibirás un dataset reducido (15 millones de filas) y especificaciones de la infraestructura disponible (clúster Kubernetes con 8 nodos GPU). Diseña la arquitectura: elige entr…
- Distributed Training
- Pytorch
- Kubernetes
Multidisciplinar - 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 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
- ResearchSéniorNuevo
Aprende preferencias de manipulación a partir de feedback humano
Recibirás un brazo simulado en MuJoCo con 3 tareas de manipulación (pasar un vaso, abrir la nevera, recoger una cuchara) y un dataset inicial de 50 demostraciones humanas con et…
- Reinforcement Learning
- Human Robot Interaction
- Rlhf
Human-Robot Interaction - 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 - 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 - CodeSéniorNuevo
Construye un modelo deep learning para EHR en biotech de Barcelona
Recibes 5.000 pacientes anonimizados con trayectorias de hasta 24 meses pre-tratamiento + outcome a 12 meses post-tratamiento (respondedor vs no). Construye un modelo deep learn…
- Deep Learning For Ehr
- Clinical Data
- Transformer Models
Machine Learning for Healthcare and Biomedicine - Browse challenges
Explore role
Marketing Analyst
Plan and measure campaigns that grow the business. Funnel analytics, attribution, segmentation, and the rigorous measurement that lets marketing defend its budget at the leadership table.
- CodeIntermedioNuevo
Etiquetado activo asistido por modelo para visión embarcada en AR/VR
Recibes un pool de 8.000 frames sin etiquetar de una sesión de mantenimiento real (anonimizada) y 500 frames etiquetados como semilla. Entrena un modelo base de detección 3D lig…
- Active Learning
- Object Detection
- Human In The Loop
Visual Intelligence and Visual Reasoning - CodeIntermedioNuevo
REINFORCE para balance de carga en un servidor de gaming LATAM
Recibes 30 días de logs históricos (origen del jugador, datacenters disponibles, carga, latencia medida, costo) y construyes un simulador de eventos discretos. Entrena un agente…
- Reinforcement Learning
- Policy Gradients
- Deep Learning
Reinforcement Learning - CodeIntermedioNuevo
Predicción de Trayectorias para una Flota Logística en Puebla
Recibes 60 horas de datos de patio (poses 10 Hz de 18 vehículos manuales y 4 autónomos, mapa lógico del patio en formato Lanelet2-like). Entrena un baseline kinemático (modelo d…
- Trajectory Prediction
- Sequence Models
- 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 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
- 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
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 - 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 - CodeSéniorNuevo
Fusión LiDAR-cámara para detección de personas en mina autónoma
Recibes un dataset etiquetado con 8.000 cuadros de un tajo simulado y 2.000 cuadros reales grabados en una mina del norte de Chile, cada uno con nube de puntos LiDAR sincronizad…
- Sensor Fusion
- Lidar Processing
- Object Detection
Robot Perception and Autonomy - 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 - 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 - 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 - CodeIntermedioNuevo
Anonimización en streaming para cámaras de seguridad ciudadana
Recibes 4 horas de vídeo grabado en 1080p a 25 fps procedente de tres cámaras representativas (parking, vestíbulo comercial, andén de transporte) y un script de evaluación que m…
- Object Detection
- Real Time Video
- Privacy Engineering
Multidisciplinar - 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 - 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 - AnalysisPrincipianteNuevo
Exploración vs. explotación para recomendación de cursos online
Recibes CTR (Click-Through Rate — tasa de click) histórico de los 6.000 cursos (con N de impresiones por curso, suficiente para tratar como prior fuerte) y construyes un simulad…
- Multi Armed Bandits
- Thompson Sampling
- Reinforcement Learning
Reinforcement Learning - 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
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.