IA y Datos
Retos de Ingeniería de ML y MLOps
Los retos de Ingeniería de ML y MLOps te sitúan en el centro del trabajo de sacar modelos de los notebooks y llevarlos a producción. Desarrollarás habilidades construyendo Pipelines de ML, Empaquetado de Modelos y Despliegue de Modelos, y entendiendo la diferencia entre Entrenamiento vs Servicio, mientras registras tu trabajo en MLflow.
A partir de ahí abordarás los temas más complejos — Monitorización de Modelos, Detección de Drift y Re-entrenamiento Automático, Pipelines de Kubeflow, Despliegue en el Edge y Optimización ONNX — con Tracking de Experimentos con Weights & Biases y Despliegue ML en Producción como los equipos reales de MLOps. Cada reto que resuelvas te otorga una credencial verificada para mostrar a los reclutadores.
- ResearchIntermedioNuevo
Diseño de evaluaciones de capacidad para un modelo open-source
Elige uno de los tres modelos open-source proporcionados. Diseña un conjunto de evaluaciones que cubra cinco capacidades: razonamiento numérico, generación y depuración de códig…
- LLM Agents
- Capability Evaluation
- Experimental Design
Multidisciplinar - CodePrincipianteNuevo
Pipeline Reproducible de Análisis de Microcréditos en Antofagasta
Recibes la base de datos cruda (50.000 préstamos, 18 meses de pagos), el código existente en cuatro hojas Excel y la documentación parcial. Construye un pipeline en Python (carp…
- Reproducibility
- Data Pipelines
- Python
Multidisciplinar - CodePrincipianteNuevo
Pipeline puro en OCaml para análisis genómico en CONACYT
Modela los tipos: Lectura, ParLectura, Alineamiento, Variante. Implementa 4 etapas (control de calidad, alineamiento, llamada de variantes, anotación) como funciones puras compo…
- Ocaml
- Pure Functions
- Algebraic Data Types
Functional Programming - CodeIntermedioNuevo
Tracking Multi-Objeto en Puerto de Valencia
Recibes 6 horas de video (10 cámaras, 1080p, 15 fps) con anotación MOT (identidades + boxes por frame) sobre 90 segundos por cámara como ground truth. Integra un detector preent…
- Multi Object Tracking
- Object Detection
- Pytorch
Computer Vision 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
- ResearchIntermedioNuevo
Reproducción de un resultado del estado del arte en visión
Elige (entre tres opciones proporcionadas) un paper reciente del estado del arte en clasificación de imágenes con código y datasets públicos. Reproduce el experimento principal …
- Reproducibility
- Model Evaluation
- Deep Learning
AI Measurement and Evaluation - 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
Detecta defectos en piezas automotrices con un CNN en línea
Recibirás un dataset propio anonimizado de 12.000 imágenes etiquetadas (8.500 buenas, 3.500 con 4 tipos de defecto: rebaba, hundimiento, mancha, ralladura). Entrena un detector …
- Cnn
- Image Classification
- Defect Detection
Deep Learning for Computer Vision - CodeIntermedioNuevo
Diagnostica fallos de prensa con una red bayesiana
Recibes una tabla con 38 sensores muestreados al minuto, etiquetas de defecto por bobina (4 clases) y 240 incidencias narradas por mantenimiento. Discretiza las variables contin…
- Bayesian Networks
- Structure Learning
- Probabilistic Inference
Probabilistic Graphical 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
Detección de palabras clave de despertador en español mexicano para wearable
Recibes 12.000 grabaciones positivas de la palabra clave por hablantes mexicanos, 80.000 grabaciones negativas (conversación, ruido de gimnasio, otras palabras parecidas) y un o…
- Keyword Spotting
- Model Quantization
- Edge Deployment
Speech Recognition and Spoken Language Processing - CodeIntermedioNuevo
Recomendador de Repuestos para una Distribuidora Industrial en Monterrey
Recibes 36 meses de pedidos (alrededor de 950.000 líneas) con cliente, referencia, fecha y cantidad. Construye dos baselines (popularidad global y popularidad por segmento de cl…
- Recommender Systems
- Collaborative Filtering
- Model Evaluation
Multidisciplinar - 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 - DesignSéniorNuevo
Migra un sistema de batch a streaming para una fintech LATAM
Recibirás el modelo actual (XGBoost) y el código del batch. Diseña la migración: ingesta con Kafka, procesamiento con Flink o Faust, integración con el feature store para featur…
- Streaming
- Kafka
- System 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
- AnalysisIntermedioNuevo
Auditoría de equidad de un modelo de scoring laboral
Recibes el modelo (en formato serializado), una muestra anonimizada de 50.000 candidaturas con su score y atributos sensibles (sexo, grupo de edad, origen). Mide al menos cuatro…
- Fairness Measurement
- Model Evaluation
- Ai Governance
Multidisciplinar - 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 - CodeIntermedioNuevo
Detección de fraude por red de llamadas en una telco LATAM
Recibes una semana de Call Detail Records (CDR) anonimizados con cerca de 3.000 millones de aristas (origen, destino, marca de tiempo, duración) y un conjunto de etiquetas de fr…
- Graph Features
- Fraud Detection
- Xgboost
Multidisciplinar - CodeSéniorNuevo
Fusion Sensor Cámara + LiDAR para Inspección Autónoma en Curitiba
Recibes un dataset propio (40.000 frames sincronizados cámara + LiDAR de patios industriales) con etiquetas 3D. Implementa dos enfoques: fusión tardía (detectores independientes…
- Sensor Fusion
- Lidar Processing
- Deep Learning
Multidisciplinar - DesignIntermedioNuevo
Diseñar el lifecycle de evaluación de un modelo en producción
Diseñarás (1) un dashboard de monitorización con métricas operativas (precision, recall, alerts/día) y de drift (PSI — Population Stability Index — sobre 8 features clave), (2) …
- Model Monitoring
- Drift Detection
- Ai Lifecycle
AI for Business and AI Product Management - CodeIntermedioNuevo
Aplica privacidad diferencial a un modelo de scoring para una banca IBEX-35
Recibirás un dataset anonimizado de 800.000 solicitudes de crédito y un baseline (red neuronal entrenada normalmente). Implementa DP-SGD con Opacus sobre PyTorch para tres presu…
- Differential Privacy
- Dp Sgd
- Pytorch
Privacy-Preserving Machine Learning - 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,…
- Object Detection
- Deep Learning
- Model Evaluation
AI for Autonomous Vehicles - 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
- Anomaly Detection
Multidisciplinar - CodeIntermedioNuevo
Plataforma de evaluación humana para LLMs en producto
Construye una plataforma web con backend en Python y frontend en React. Soporta tres tipos de evaluación: comparación pareada A/B, escala Likert sobre criterios definidos y libr…
- Software Engineering
- Human Evaluation
- Full Stack Development
AI Software Engineering Group Project - CodeIntermedioNuevo
Construye un sistema de monitorización de drift para una fintech LATAM
Recibirás predicciones históricas y features de 14 modelos durante 6 meses. Implementa un servicio en Python que: (1) calcule PSI (Population Stability Index — índice de estabil…
- Model Monitoring
- Data Drift
- Python
Machine Learning Systems - CodeIntermedioNuevo
Entrenamiento distribuido del scoring de riesgo en banca minorista
Recibes un subconjunto anonimizado de 20 millones de operaciones y un cluster Spark con 8 nodos para los experimentos. Diseña la pipeline en dos fases: ingeniería de features di…
- Distributed Training
- Spark
- Xgboost
Machine Learning at Scale - 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
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.



















































































