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.
Proyectos recomendados
· Aumentación de Datos Limpiar- 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,…
- DeteccióN De Objetos
- Deep Learning
- EvaluacióN De Modelos
AI for Autonomous Vehicles - 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
- AumentacióN De Datos
Generative AI - 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-…
- DeteccióN De Objetos
- Deep Learning
- Pytorch O Tensorflow
Computer Vision - CodeIntermedioNuevo
Segmenta lesiones de piel para teledermatología en zona rural
Recibirás 1.200 imágenes anotadas a nivel de píxel (combinando ISIC público y un subset cedido por la red, anonimizado) y 200 imágenes de validación con condiciones reales de ce…
- Image Segmentation
- Medical Imaging
- Pytorch O Tensorflow
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
- 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
- ClasificacióN Con Cnn
- ClasificacióN Con Cnn
Computer Vision (Undergraduate) - 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
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…
- DeteccióN De Objetos
- Fine Grained Classification
- Pytorch O Tensorflow
Computer Vision - 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
- ClasificacióN Con Cnn
Meta-Learning, Transfer Learning, and Multi-Task 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.
- 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
- AumentacióN De Datos
Deep Generative Models - 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
- ClasificacióN Con Cnn
- Deep Learning
Computer Vision (Undergraduate) - 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…
- DeteccióN De Objetos
- Despliegue En El Edge
- Pytorch O Tensorflow
Image Processing and Computational Imaging - 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…
- VisióN Por Computador
- Transfer Learning
- Pytorch O Tensorflow
AI/ML Practicum and Hands-on Lab 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
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 …
- ClasificacióN Con Cnn
- Transfer Learning
- AumentacióN De Datos
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.