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.
- ResearchIntermedioNuevo
Diseña una evaluación honesta de un LLM generativo para una EdTech
Recibirás un dataset propio de 800 problemas de matemáticas de 7º a 10º grado etiquetados por tema (álgebra, geometría, estadística) y dificultad. Diseña una evaluación multi-di…
- LLM Evaluation
- Prompt Engineering
- LLM As Judge
Deep Generative Models - 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 - 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 - ResearchSéniorNuevo
DPO vs. PPO sobre un modelo base abierto
En equipo de 2-3, recibes un modelo base abierto pequeño (Qwen2.5-1.5B o Phi-3-mini) y un dataset de preferencias PT-BR de ~8.000 pares construido en una iteración anterior. Ent…
- Rlhf
- Dpo
- Ppo
Machine Learning from Human Preferences (RLHF and Alignment) 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
Búsqueda vectorial a escala para catálogo de gran retailer
Recibes un subconjunto representativo de 2 millones de productos con descripciones multilingües (español, inglés, portugués), 30.000 consultas de búsqueda anonimizadas con clics…
- Vector Search
- Embeddings
- Distributed Indexing
Machine Learning at Scale - 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 - 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 - CodeIntermedioNuevo
Construye un buscador visual + texto para una marca de calzado en Elche
Recibirás un catálogo de 4.500 SKU (Stock Keeping Unit — unidad de mantenimiento de inventario) con imágenes y descripciones en español, más 200 consultas reales de clientes. Im…
- Multimodal Ml
- Embeddings
- Vector Search
Multimodal Machine Learning - 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
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 - ResearchIntermedioNuevo
Construye benchmark de razonamiento jurídico en español
Trabajarás con 2 personas juristas colaboradoras del consorcio para co-curar 150 preguntas opción múltiple (con distractores plausibles) y 30 problemas largos con rúbrica de raz…
- LLM Evaluation
- Benchmarking
- Annotation Design
Large Language Models - 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
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 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
Evaluación automática de redacciones argumentativas
Recibirás 3.000 redacciones del semestre anterior con rúbrica humana detallada (5 criterios x escala 1-5) y dos rúbricas independientes para validar inter-rater reliability huma…
- Automated Essay Scoring
- NLP
- LLM Evaluation
AI in Education and Learning Analytics - AnalysisIntermedioNuevo
Curación de Dataset y Recipe-tuning para Modelo Médico-Educativo Anonimizado
Recibirás un dump bruto de ~80.000 preguntas y respuestas educativas en castellano (calidad heterogénea) y un modelo base 7B. Diseña la receta de curación: deduplicación por has…
- Dataset Curation
- Supervised Fine Tuning
- Lora
Fine-Tuning Large Language Models - CodePrincipianteNuevo
Diseña un sistema de generación de descripciones para una bodega de Mendoza
Recibirás 50 fichas de botellas (foto + notas de cata estructuradas + descripción humana de referencia) más una guía de tono de marca. Implementa un sistema con un modelo de vis…
- Multimodal Ml
- Vision Language Models
- Prompt Engineering
Multidisciplinar - 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
Diseña un sistema de question answering para una aseguradora valenciana
Recibirás los 3.800 documentos anonimizados más 400 preguntas anotadas con la respuesta y el span correcto. Implementa: (1) recuperador BM25 + multilingual-e5 sobre chunks de 30…
- Question Answering
- RAG
- Transformers
Neural Networks for NLP - 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 - DesignIntermedioNuevo
Diseña la UX de un producto multimodal de IA para una startup de Ciudad de México
Diseña en Figma el flujo de la app: (1) cómo el estudiante elige modalidad de entrada (voz, texto, foto), (2) cómo se muestra la respuesta multimodal, (3) cómo se corrigen error…
- Multimodal Ml
- Ux Design
- Product Design
Multimodal Machine Learning - 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 - DesignPrincipianteNuevo
Diseña un prompt estructurado para extracción de cláusulas legales
Recibes 30 contratos reales anonimizados (15 train + 15 test) en español, con la verdad-terreno de las 12 cláusulas etiquetada por un becario senior. Diseña el system prompt con…
- Prompt Engineering
- Few Shot Prompting
- Structured Outputs
Multidisciplinar - CodeIntermedioNuevo
ReAct para agente de operaciones en e-commerce
En equipo de 2, recibes especificación de 4 APIs internas (mock servers), 60 tickets reales anonimizados (40 simples + 20 multi-paso) y respuestas-oro. Implementa el agente ReAc…
- Prompt Engineering
- React Pattern
- Function Calling
Prompt Engineering - CodePrincipianteNuevo
Buscador semántico para la base de conocimiento interna de un banco
Recibes una exportación de 18.000 páginas (unos 90 MB de texto en castellano) y un benchmark anotado a mano con 50 consultas reales del equipo de Riesgos junto con los identific…
- Embedding Models
- Vector Search
- Pgvector
Multidisciplinar - 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
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.



















































































