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
· PyTorch o TensorFlow Limpiar- 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 - 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
Multidisciplinar - CodeSéniorNuevo
Optimiza un transformer con técnicas modernas de eficiencia
Recibirás el modelo baseline (un encoder transformer fine-tuned de 110M parámetros), un benchmark interno de 5.000 pares (query, doc) con similaridad esperada, y la traza de req…
- Knowledge Distillation
- Quantization
- Transformers
Multidisciplinar - 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
Multidisciplinar 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
Sintetizar voz neural para personajes de un videojuego
Recibirás 30 minutos de audio limpio por personaje (6 actores) y el guion en español e inglés. Adaptarás un modelo TTS de código abierto (XTTS-v2, Tortoise o Bark) para cada voz…
- Text To Speech
- Voice Cloning
- Pytorch
Advanced Deep Learning - 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 - 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
Fine-tunea un LLM abierto para soporte técnico de software industrial
Recibirás 12.000 pares pregunta/respuesta limpios. Harás un fine-tuning supervisado (SFT) de Llama-3 8B o Qwen2 7B usando LoRA (Low-Rank Adaptation, adaptación de bajo rango) so…
- Fine Tuning
- Lora
- Evaluation
Large Language Models - 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.
- CodeIntermedioNuevo
Entrenamiento federado con seguridad agregada para banca móvil
Implementa un entrenamiento federado horizontal sobre un modelo de fraude (modelo base proporcionado, MLP simple). Usa PySyft, Flower o tu propia implementación con PyTorch. Aña…
- Federated Learning
- Secure Computation
- Ml Privacy
Privacy-Enhancing Technologies - CodeIntermedioNuevo
Política PPO para Conducir un AGV en Mina de Antofagasta
Recibirás un entorno Gymnasium con un AGV de tracción diferencial, 4 mapas de túneles distintos y perturbaciones (polvo, fallos puntuales de odometría, iluminación variable). En…
- Policy Gradients
- Ppo
- Reinforcement Learning
Deep Reinforcement Learning - 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
Análisis de specification gaming en un agente RL simple
Diseña dos entornos sobre Gymnasium: uno donde el agente puede maximizar recompensa explotando un bug del entorno, otro donde el agente puede satisfacer la métrica sin cumplir e…
- Reinforcement Learning
- Specification Gaming
- Experimental Design
Multidisciplinar 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
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
Image Processing and Computational Imaging - 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
- Cnn
- Deep Learning
Multidisciplinar - CodeIntermedioNuevo
Diarización y resúmenes para un call center de salud en Bogotá
Recibes 200 llamadas anonimizadas de duración media de 5 minutos. Implementa el pipeline en tres etapas: (1) diarización con pyannote.audio o un modelo equivalente, (2) transcri…
- Speaker Diarization
- Speech Recognition
- Summarization
Speech Recognition and Spoken Language Processing - 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
Cuantiza un Modelo de Detección de Plagas en Olivar de Jaén
Recibirás un modelo PyTorch preentrenado (~12M parámetros), un dataset etiquetado de 8.000 imágenes (4 clases de plaga + sano) y la documentación del ESP32-S3 con TensorFlow Lit…
- Quantization
- Qat
- Edge Deployment
Edge ML and On-Device Machine Learning - 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
Genera variaciones de packaging con difusión para una marca artesanal
Recibirás 320 imágenes de packaging histórico de la marca (anonimizado, con SKU enmascarado), más un texto-brief por colección. Fine-tunea Stable Diffusion XL con LoRA (Low-Rank…
- Diffusion Models
- Lora
- Fine Tuning
Deep Generative Models - 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 - 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 - CodeIntermedioNuevo
Modelos neuronales para forecasting jerárquico de cadena de suministro
Recibes 4 años de ventas semanales con 60 SKUs activos en 9 países (540 series por SKU-país). Implementa dos enfoques: (a) ARIMA por serie + reconciliación bottom-up, (b) DeepAR…
- Hierarchical Forecasting
- Neural Forecasting
- Arima
Time Series Analysis and Forecasting - 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 - AnalysisIntermedioNuevo
Imitation Learning para Sim-to-Real en Robot Móvil de Curitiba
Recibirás 200 demostraciones humanas teleoperadas (joystick) en simulador, más un wrapper Gymnasium del mismo entorno. Entrena un agente con Behaviour Cloning (BC) puro, luego c…
- Imitation Learning
- Behaviour Cloning
- Dagger
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.