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.
Proyectos recomendados
· Evaluación de Modelos Limpiar- 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 - AnalysisIntermedioNuevo
Estratifica riesgo de reingreso en un hospital universitario de Barcelona
Recibes 18.000 episodios anonimizados con features estructuradas (constantes al alta, comorbilidades CIE-10, medicación, demografía). Entrena un modelo (XGBoost o regresión logí…
- Risk Stratification
- Calibration
- Clinical Data
Multidisciplinar - CodeIntermedioNuevo
Predicción de fallos en turbinas eólicas con datos de sensores
Debes construir un pipeline completo de ciencia de datos: limpieza y preprocesamiento de series temporales multivariantes, ingeniería de características relevantes para el desga…
- Time Series Analysis
- Neural Networks
- Predictive Maintenance
Data Science for Business - CodeIntermedioNuevo
Detección de Defectos en Soldadura para una Planta Tier-1 de Vigo
Recibes 6.500 imágenes RX anotadas (bounding boxes de tres tipos de defecto: poro, falta de fusión, inclusión). Entrena un detector moderno (DETR — Detection Transformer o YOLO-…
- Object Detection
- Deep Learning
- Pytorch
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
- 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 - AnalysisIntermedioNuevo
Modela rutas de pacientes con un HMM en aseguradora médica
Recibes 42.000 trayectorias de pacientes con diabetes tipo 2, cada una con secuencias mensuales de eventos categóricos (consulta primaria, urgencias, cambio de medicación, prueb…
- Hidden Markov Models
- Sequence Modeling
- Probabilistic Inference
Multidisciplinar - 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 - ResearchSéniorNuevo
Bayesian deep learning para diagnóstico médico con incertidumbre
En equipo de 2-3, recibes 12.000 imágenes de fondo de ojo etiquetadas en 4 clases (sin retinopatía, leve, moderada, severa). Compara tres enfoques: (1) CNN base + softmax, (2) M…
- Bayesian Deep Learning
- Uncertainty Quantification
- Deep Learning
Probabilistic Machine Learning - 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.
- CodePrincipianteNuevo
Construye un pipeline de imágenes para clasificar defectos en línea de calzado
Recibirás 4.500 imágenes etiquetadas (3 clases: OK, defecto leve, defecto severo) capturadas con una webcam industrial. Construye un pipeline en PyTorch con un modelo preentrena…
- Computer Vision
- Transfer Learning
- Pytorch
AI/ML Practicum and Hands-on Lab - CodePrincipianteNuevo
Predice el abandono mensual de una academia de idiomas online
Recibes un dataset anonimizado con 60.000 filas (una por persona-mes) y unas 25 features: minutos de clase, lecciones completadas, notas en evaluaciones, plan de pago y país. El…
- Supervised Learning
- Logistic Regression
- Gradient Boosting
Multidisciplinar - 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 - 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 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
- AnalysisPrincipianteNuevo
Audita un modelo de scoring crediticio buscando sesgos por región
Recibes el modelo entrenado (random forest) y un set de validación anonimizado de 20.000 solicitudes con etiqueta verdadera y atributo de región (5 grupos). Calcula tasa de apro…
- Fairness Metrics
- Model Evaluation
- Bias Auditing
Machine Learning (Undergraduate) - CodeSéniorNuevo
Fusión LiDAR-cámara para detección de personas en mina autónoma
Recibes un dataset etiquetado con 8.000 cuadros de un tajo simulado y 2.000 cuadros reales grabados en una mina del norte de Chile, cada uno con nube de puntos LiDAR sincronizad…
- Sensor Fusion
- Lidar Processing
- Object Detection
Robot Perception and Autonomy - CodeFundamentosNuevo
Entrena una red neuronal pequeña para clasificar dígitos manuscritos
Trabaja primero con MNIST (60.000 ejemplos de entrenamiento, 10.000 de test). Construye una red feed-forward de dos capas ocultas con activaciones ReLU (Rectified Linear Unit — …
- Neural Networks
- Backpropagation
- Model Evaluation
Machine Learning (Undergraduate) - 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 - 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 - 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 - 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
Anonimización en streaming para cámaras de seguridad ciudadana
Recibes 4 horas de vídeo grabado en 1080p a 25 fps procedente de tres cámaras representativas (parking, vestíbulo comercial, andén de transporte) y un script de evaluación que m…
- Object Detection
- Real Time Video
- Privacy Engineering
Multidisciplinar - 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
Benchmark estadísticamente honesto para clasificadores de texto en español
Recibes cinco modelos (regresión logística sobre TF-IDF, fastText, RoBERTa multilingüe, mBERT, modelo open-source español tipo BETO) y tres conjuntos en español de clasificación…
- Model Evaluation
- Statistical Testing
- NLP
Multidisciplinar - CodeIntermedioNuevo
Modelo de Riesgo de Mora para una Cooperativa de Crédito en Medellín
Recibes 80.000 expedientes históricos anonimizados con 24 features socioeconómicas y de historial crediticio, etiquetados con mora a 90 días. Construye un pipeline completo: spl…
- Classification
- Feature Engineering
- Model Evaluation
Multidisciplinar - CodeIntermedioNuevo
Reconocimiento de Productos en Estantería para un Distribuidor Retail en Bogotá
Recibes 9.000 fotos de estantería con bounding boxes y etiquetas a nivel SKU (220 SKUs distintos). Combina detección (DETR o YOLO) + clasificación fine-grained sobre el crop. Ev…
- Object Detection
- Fine Grained Classification
- Pytorch
Computer Vision
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.



















































































