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.
- CodeIntermedioNuevo
Pronostica demanda con procesos gaussianos en bodega chilena
Recibes 5 años de ventas mensuales para 60 SKUs, precio promedio, mes y un indicador de evento promocional. Para los 20 SKUs principales ajusta un GP con kernel compuesto (RBF +…
- Gaussian Processes
- Bayesian Inference
- Time Series
Probabilistic Machine Learning - 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
Predicción de Trayectorias para una Flota Logística en Puebla
Recibes 60 horas de datos de patio (poses 10 Hz de 18 vehículos manuales y 4 autónomos, mapa lógico del patio en formato Lanelet2-like). Entrena un baseline kinemático (modelo d…
- Trajectory Prediction
- Sequence Models
- Pytorch
Multidisciplinar - CodeIntermedioNuevo
Detección de Fallas Vibracionales en Tractores en Mendoza
Recibirás 120 horas de datos IMU (acelerómetro de 3 ejes a 1kHz) etiquetados con 6 modos de falla más ‘sano’. Entrena un modelo (1D-CNN o TCN) con quantization-aware training y …
- Tinyml
- Time Series Ml
- Qat
Edge ML and On-Device Machine Learning 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
- 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
- Anomaly Detection
- Deep Learning
Machine Learning (CS Elective) - 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 - ResearchIntermedioNuevo
Evaluación end-to-end de un sistema LLM en producción
Recibes acceso a 2.000 conversaciones reales anonimizadas con su resolución, encuestas de satisfacción de clientes y métricas operativas (tiempo medio, escalado humano). Diseña …
- Model Evaluation
- Human Evaluation
- LLM Agents
AI Measurement and Evaluation - CodePrincipianteNuevo
Mapeo agrícola con dron autónomo para fitosanitario de precisión
Recibes datos de tres vuelos sobre la misma parcela de 18 hectáreas con tres semanas de separación entre vuelos. Cada vuelo aporta imágenes RGB+NIR georreferenciadas y etiquetas…
- Semantic Segmentation
- Remote Sensing
- Geospatial Data
Robot Perception and Autonomy - 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
Construye un ensemble con stacking para precios inmobiliarios en São Paulo
Recibes 280.000 ventas anonimizadas (precio, m², barrio, antigüedad, dormitorios, distancia al metro, etc.). Entrena tres modelos base diversos (random forest, LightGBM, regresi…
- Ensemble Methods
- Stacking
- Model Evaluation
Multidisciplinar - CodeIntermedioNuevo
Adapta un clasificador few-shot para una startup biotech de Barcelona
Recibes un meta-train set de 60 tareas (clasificación binaria sobre cultivos similares, ~500 imágenes/tarea) y 10 tareas meta-test con solo 5 ejemplos por clase (5-shot) y query…
- Meta Learning
- Few Shot Learning
- Prototypical Networks
Meta-Learning, Transfer Learning, and Multi-Task Learning - AnalysisPrincipianteNuevo
Inferencia bayesiana para tasas de impago en fintech
Recibes ~6.500 préstamos clasificados en 24 segmentos (combinaciones de ciudad, sector y monto) con etiqueta de default a 60 días. Modela las tasas con una jerarquía Beta-Binomi…
- Bayesian Inference
- Mcmc
- Hierarchical Models
Probabilistic Machine Learning - 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 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
- AnalysisSéniorNuevo
Modelo de Predicción de Defectos para un ERP en São Paulo
Extrae métricas por archivo Java (líneas, complejidad ciclomática, número de autores, frecuencia de cambio, edad, número de bugs históricos asociados) desde Git y Jira de los úl…
- Defect Prediction
- Feature Engineering
- Model Evaluation
Software Testing and Quality Assurance - CodeSéniorNuevo
Construye un modelo deep learning para EHR en biotech de Barcelona
Recibes 5.000 pacientes anonimizados con trayectorias de hasta 24 meses pre-tratamiento + outcome a 12 meses post-tratamiento (respondedor vs no). Construye un modelo deep learn…
- Deep Learning For Ehr
- Clinical Data
- Transformer Models
Machine Learning for Healthcare and Biomedicine - CodePrincipianteNuevo
Clasificador de Tickets de Soporte para una SaaS de Málaga
Recibes 40.000 tickets históricos en español con la categoría asignada por agentes humanos (con ruido conocido — la propia gerencia estima un 8% de errores de etiquetado). Limpi…
- Text Classification
- Embeddings
- Model Evaluation
Applied Machine Learning - CodePrincipianteNuevo
Imitation learning para pick-and-place en línea de envasado
Recibes 200 demostraciones del operador (trayectorias estado-acción) sobre 4 variantes de frasco capturadas en simulación PyBullet calibrada. Implementa behavior cloning con red…
- Imitation Learning
- Behavior Cloning
- Robot Learning
Robot Learning - 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 - CodeIntermedioNuevo
Razonamiento visual para auditar etiquetado vial en delivery autónomo
Recibes 800 imágenes frontales de robot etiquetadas con respuestas a 12 preguntas estructuradas (¿hay rampa?, ¿hay peatón en la calzada?, ¿semáforo en verde?, etc.) y 200 imágen…
- Visual Question Answering
- Multimodal LLM
- Lora Fine Tuning
Visual Intelligence and Visual Reasoning - CodeSéniorNuevo
Política End-to-End de Conducción para un Reto de Karting Autónomo
Recibes 12 horas de demos del piloto humano (cámara frontal a 30 Hz + comandos), una pista replicada en CARLA y un baseline PID. Entrena una política de imitación (CNN ligera ti…
- Imitation Learning
- End To End Learning
- Pytorch
AI for Autonomous Vehicles - 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
Construye un detector de fraude end-to-end para una neobanca mexicana
Recibirás un dataset anonimizado de 1,2 millones de transacciones (3 % positivas) con metadatos de dispositivo, comercio y velocidad. Debes construir el pipeline completo: inges…
- Supervised Learning
- Feature Engineering
- Model Evaluation
AI/ML Practicum and Hands-on Lab - CodePrincipianteNuevo
Construye un pipeline ML reproducible para una startup de delivery en Medellín
Recibes un notebook con un modelo entrenado y unos 1.500 viajes de muestra. Refactoriza en módulos (data, features, train, eval), añade tracking con MLflow, define el pipeline c…
- Ml Pipelines
- Experiment Tracking
- Code Refactoring
Machine Learning in Practice - CodeIntermedioNuevo
Construye un pipeline CI/CD de ML para una insurtech de Ciudad de México
Recibirás el código de un modelo de scoring de suscripción (XGBoost) y acceso a un repositorio Git, GitHub Actions y un clúster de pruebas. Implementa: (1) pipeline de entrenami…
- Ci Cd
- Model Deployment
- Mlflow
ML Engineering and Production ML - 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
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.



















































































