IA y Datos
Retos de Fundamentos de Machine Learning
Los retos de Fundamentos de Machine Learning te sitúan en el centro del trabajo de convertir datos en bruto en modelos que aguantan. Desarrollarás habilidades en Aprendizaje Supervisado, Clasificación y Regresión y Feature Engineering, y luego validarás tu trabajo con División Train/Test y Validación Cruzada en scikit-learn.
A partir de ahí abordarás los temas más complejos — Ajuste de Hiperparámetros, Ensembles de Árboles, Calibración de Modelos y Selección de Modelos bajo Restricciones de Negocio — avanzando hacia el Ajuste de Modelos en Producción y los Pipelines de Features como lo hacen los equipos reales de ML. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- CodeFundamentosNuevo
Detección de anomalías en transacciones B2B para una fintech de pagos
Construye un modelo de detección de anomalías usando aprendizaje no supervisado (por ejemplo, Isolation Forest o autoencoders) que clasifique transacciones en riesgo bajo, medio…
- Unsupervised Learning
- Python O Javascript
- DeteccióN De AnomalíAs
Machine Learning and AI for Business - CodeIntermedioNuevo
VAE para detección de anomalías en pagos B2B
En equipo de 2, recibes ~12M transacciones (28 features tabulares + texto corto del concepto), de las cuales 850 están etiquetadas como fraude por investigación post-hoc. Entren…
- Variational Autoencoders
- Deep Learning
- DeteccióN De AnomalíAs
Probabilistic Machine Learning - AnalysisIntermedioNuevo
Detecta anomalías en transacciones de tarjeta para una procesadora chilena
Recibirás 90 días de transacciones (4 millones de filas, 22 features anonimizadas) con un subconjunto de 12.000 fraudes confirmados como gold-standard para evaluación. Procesará…
- Unsupervised Learning
- DeteccióN De AnomalíAs
- Deep Learning
Machine Learning (CS Elective) - ResearchIntermedioNuevo
Diseña y ejecuta un capstone de detección de anomalías para una cooperativa olivarera
Recibirás 18 meses de telemetría minutal de 6 molinos (cerca de 45 millones de filas) más un registro de 38 incidentes etiquetados. Diseña el experimento: define qué es una anom…
- DeteccióN De AnomalíAs
- Time Series Analysis
- Pytorch O Tensorflow
AI/ML Practicum and Hands-on Lab 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
- CodeSéniorNuevo
Diseña un sistema de mantenimiento predictivo en una mina de cobre en Antofagasta
Auditarás la telemetría existente (CAT MineStar) y propondrás 2 sensores adicionales (vibración tridimensional, temperatura por termopar). Diseñarás la arquitectura: gateway ind…
- Cyber Physical Systems
- Predictive Maintenance
- Iot Architecture
Internet of Things and Cyber-Physical Systems - AnalysisPrincipianteNuevo
Detección de Anomalías de Consumo Eléctrico en una Bodega de La Rioja
Recibes 18 meses de lecturas de contadores inteligentes a granularidad de 15 minutos para 6 puntos de consumo, junto con el calendario de producción y temperatura ambiente. Limp…
- DeteccióN De AnomalíAs
- AnáLisis Exploratorio De Datos
- Data Wrangling
Applied Data Analysis and Practical Data Science - CodeIntermedioNuevo
Detecta fraude transaccional en una fintech bogotana
Recibirás 800.000 transacciones etiquetadas (1,4 por ciento fraude) con features de transacción, comerciante y dispositivo. Construye y compara al menos tres enfoques: Isolation…
- DeteccióN De AnomalíAs
- Ensembles De ÁRboles
- Fraud Detection
Data Mining and Knowledge Discovery - AnalysisIntermedioNuevo
Detección de coordinación inauténtica en X durante elecciones locales
Procesa el dataset de 2 M tuits (provisto en parquet, anonimizado a nivel cuenta-hash). Construye con Python una pipeline que: (1) detecte similitud temporal anómala (cuentas qu…
- Network Science
- DeteccióN De AnomalíAs
- Computational Journalism
Network Science and Computational Social Science - 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.
- CodeSéniorNuevo
Diseño de detección de intrusión en datacenter de operador móvil
Analiza 30 días de tráfico capturado y catálogo de alertas actual. Diseña una arquitectura layered: Suricata para firmas conocidas (filtrado fino con thresholds), Zeek para anál…
- Intrusion Detection
- Suricata
- Zeek
Network Security - CodePrincipianteNuevo
Detección Anticipada de Pérdidas para Cooperativa Eléctrica en Lima
Recibirás 18 meses de consumos horarios anonimizados de ~140.000 clientes y el modelo en producción (LightGBM). Para cada predicción de anomalía produce: (1) explicación SHAP lo…
- Shap
- Explainability
- DeteccióN De AnomalíAs
Explainable and Interpretable AI
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.