IA y Datos
Retos de IA Generativa y LLMs
Los retos de IA Generativa y LLMs te sitúan en el centro del trabajo de construir con grandes modelos de lenguaje. Desarrollarás habilidades en patrones de prompt, prompting few-shot, cadena de razonamiento (chain-of-thought) e integración de APIs de LLM, aprendiendo cómo se comportan estos modelos antes de escalarlos.
A partir de ahí abordarás los temas más complejos — arquitecturas RAG, fundamentos de bases de datos vectoriales, fine-tuning y versionado de prompts — poniendo guardrails de LLM y evaluación de LLMs alrededor de cada despliegue como lo hacen los equipos de IA. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- CodeIntermedioNuevo
Agente conversacional asistente para soporte interno con razonamiento
Recibes una base de 400 documentos internos y 80 preguntas reales con respuesta correcta etiquetada. Diseña un agente que combine recuperación (embeddings + búsqueda vectorial) …
- LLM Agents
- Retrieval Augmented Generation
- Prompt Engineering
Artificial Intelligence: Principles and Techniques - CodeIntermedioNuevo
DPO para Tono de Marca en E-commerce de Moda en Bogotá
Recibirás ~6.000 pares de preferencia anotados por equipo de marca (respuesta A preferida a respuesta B) y un modelo SFT base. Aplica DPO con parámetro beta adecuado, registra c…
- Dpo
- Preference Optimization
- LLM Alignment
Fine-Tuning Large Language 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
Multidisciplinar - CodeIntermedioNuevo
Entrena un Reward Model para evaluar respuestas de un asistente
En equipo de 2, recibes el dataset HH-RLHF (open-source) con ~160k pares y un modelo base abierto fine-tuneable (por ejemplo Qwen2.5-1.5B o similar). Entrena un RM agregando una…
- Rlhf
- Reward Modeling
- Deep Learning
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
- CodePrincipianteNuevo
Construye un clasificador de reseñas con transformers para una marketplace LATAM
Recibirás 60.000 reseñas en español anonimizadas etiquetadas por tema (multi-label, una reseña puede tocar varios temas) y sentimiento (multi-clase). Fine-tunea un encoder trans…
- Transformers
- Fine Tuning
- Multi Task Learning
Deep Learning - CodeIntermedioNuevo
Sistema de Preguntas Sobre Documentación Técnica para una SaaS de Valencia
Recibes la documentación oficial (PDFs y Markdown) y 300 preguntas históricas con respuesta de referencia escrita por soporte humano. Diseña el pipeline RAG: chunking sensato (p…
- Retrieval Augmented Generation
- Embeddings
- LLM Prompting
Multidisciplinar - CodeIntermedioNuevo
RAG legal con re-ranking sobre 50k cláusulas anonimizadas
En equipo de 2, recibes 50k cláusulas etiquetadas por tipo (jurisdicción, indemnización, exclusividad, etc.) y 120 consultas reales de abogados con el precedente-oro. Implementa…
- Retrieval Augmented Generation
- Re Ranking
- Embedding Retrieval
Multidisciplinar - CodeIntermedioNuevo
LoRA Bilingüe para Asistente Jurídico-Laboral en Barcelona
Recibirás ~12.000 pares pregunta-respuesta anonimizados de la asesoría (castellano y catalán) y acceso a una L4 alquilada. Aplica supervised fine-tuning con LoRA (rango 8-32) so…
- Lora
- Supervised Fine Tuning
- LLM Evaluation
Fine-Tuning 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.
- ResearchIntermedioNuevo
Evalúa fielmente un RAG médico con RAGAS y juicio clínico
En equipo de 2, recibes el RAG actual (caja negra), un corpus de 1.200 guías de práctica clínica argentinas y 200 preguntas reales con respuestas-oro escritas por 2 médicos. Dis…
- Retrieval Augmented Generation
- Evaluation
- Ragas
Multidisciplinar - CodeIntermedioNuevo
Detecta retinopatía diabética para una red de clínicas en Guadalajara
Recibes 30.000 imágenes de fundus etiquetadas (5 clases, distribuidas con clase 0 dominante 65 %). Entrena EfficientNet-B3 con loss ordinal o regresión ordinal. Reporta quadrati…
- Medical Image Classification
- Ordinal Classification
- Fine Tuning
Multidisciplinar - ResearchSéniorNuevo
RAG agéntico con tool use sobre datos de un laboratorio foundation
En equipo de 2, recibes un corpus de 5.000 documentos enterprise simulados (PDF + tablas), 100 preguntas mixtas (40 retrieval puro, 30 cálculo puro, 30 mixtas) con respuesta-oro…
- Retrieval Augmented Generation
- Agent Design
- Tool Use
Retrieval-Augmented Generation - CodePrincipianteNuevo
Versionado y A/B testing de prompts en producción para asistente verticalizado
Diseñarás un sistema con: (1) repositorio Git de prompts versionados con tags semánticos, (2) servicio que recibe traffic y reparte entre A y B según política, (3) registro de c…
- Prompt Versioning
- Ab Testing
- LLM Application Development
LLM Application Development 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
Prototipa un sistema multi-agente de soporte L1 para una telco anonimizada
Recibirás 200 tickets anonimizados (mezcla ES/PT) con su resolución humana como referencia. Implementa 3 agentes: triaje (clasifica intent), resolución (intenta resolver con bas…
- Multi Agent Systems
- Agent Orchestration
- LLM Applications
Multi-Agent Systems - DesignSéniorNuevo
Arquitectura RAG escalable para conocimiento corporativo en banca
En equipo de 2-3, recibes especificación de 3 fuentes piloto (intranet, compliance, productos) con 8.000 documentos en total, modelo de permisos por rol (4 roles) y un set de 60…
- Retrieval Augmented Generation
- Vector Databases
- System Architecture
Multidisciplinar - CodeIntermedioNuevo
Asistente operativo para una bodega de tamaño medio
Construye una aplicación web Progressive Web App (PWA) con backend en Python y base de conocimiento estructurada (200 documentos curados) sobre tratamientos, fenología y normati…
- Software Engineering
- Retrieval Augmented Generation
- Full Stack Development
AI Software Engineering Group Project - CodeIntermedioNuevo
Implementa observabilidad end-to-end para un sistema de RAG en producción
Recibirás el código del sistema RAG (LangChain + OpenSearch + un LLM open-source) y 800 traces (trazas) etiquetadas como buenas o malas por el equipo. Implementa: (1) instrument…
- Observability
- RAG
- Opentelemetry
ML Engineering and Production ML - AnalysisPrincipianteNuevo
Optimizar el coste de embeddings de un asistente RAG para soporte SaaS
Recibes: (a) la pipeline actual (re-embedding completo ante cualquier cambio de artículo, OpenAI text-embedding-3-large, 3.072 dimensiones) con un mes de logs de coste, (b) una …
- Embedding Models
- Cost Optimization
- Change Detection
Multidisciplinar - CodeIntermedioNuevo
Adaptación de un reconocedor neuronal al español rioplatense para asistente bancario
Recibes un modelo base abierto (Whisper small en español o un Wav2Vec2 fine-tuneado al español), un dataset interno anonimizado de 60 horas de audio rioplatense con transcripcio…
- Speech Recognition
- Fine Tuning
- Lora
Multidisciplinar - CodePrincipianteNuevo
Agente de soporte que resuelve incidencias de e-commerce
Diseñarás un agente con tool use que reciba un ticket entrante, decida qué herramientas invocar (consultar estado de envío, generar etiqueta de devolución, consultar log de pago…
- LLM Agents
- Tool Use
- Prompt Engineering
AI Agents and LLM-Based Agents - 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 - StrategyPrincipianteNuevo
Estrategia de adopción de IA generativa en una bodega familiar riojana
Analiza 5 áreas de la bodega (enología y predicción de cosecha, marketing de contenidos y atención al cliente, optimización de la cadena de suministro, precios dinámicos en merc…
- Ai Strategy
- Business Case Development
- Prioritization Frameworks
Machine Learning and AI for Business - ResearchIntermedioNuevo
Defensa contra inyección de prompts en chatbot de banca
En equipo de 2, recibes el chatbot de staging con system prompt actual, schema de funciones (consultar_saldo, transferir, etc.) y logs ofuscados. Diseña 50 ataques en 6 categorí…
- Prompt Engineering
- Prompt Injection Defense
- Ai Safety
Prompt Engineering - CodeIntermedioNuevo
Generar variaciones de producto con difusión condicionada
Recibirás 4.000 pares de (boceto, foto real) de la marca, anotados con descripción del material. Partirás de Stable Diffusion XL y aplicarás un fine-tuning con ControlNet para c…
- Diffusion Models
- Controlnet
- Lora Fine Tuning
Advanced Deep Learning - 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
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.



















































































