AI Engineering
Ingeniero/a de Visión por Computador
Enseñarle a una máquina a ver es más difícil de lo que parece y más interesante de lo que aparenta. Los ingenieros de visión por computadora moldean los sistemas que leen documentos, guían autos autónomos, analizan imágenes médicas y responden preguntas sobre fotografías.
El rol combina las matemáticas de la geometría multivista con el esfuerzo ingenieril de hacer que los modelos sean lo suficientemente pequeños y rápidos para ejecutarse donde se necesitan — a veces en un teléfono, a veces en un robot. Un buen trabajo aquí se ve como un pipeline que funciona bajo iluminación real, movimiento real y modos de fallo reales.
Los estudiantes crecen en este camino al poner manos a la obra con OpenCV y PyTorch desde el principio, y luego aprenden el arte más difícil de optimizar modelos sin destruir silenciosamente su precisión.
- CodePrincipianteNuevo
Calibrar un anillo de cuatro cámaras para robots de almacén
Diseñarás y prototiparás un flujo de calibración usando un tablero ChArUco impreso (un tablero de ajedrez con marcadores ArUco embebidos). Recibirás un conjunto de datos de 200 …
- Camera Calibration
- Multi View Geometry
- Opencv
3D Vision and Multi-View Geometry - CodeIntermedioNuevo
Restaura archivos fotográficos históricos con super-resolución y denoising
Recibirás 800 imágenes representativas y 80 imágenes con escaneos de alta calidad como ground truth (cuando el negativo se ha conservado). Implementarás un pipeline modular: (1)…
- Image Restoration
- Super Resolution
- Denoising
Image Processing and Computational Imaging - CodeFundamentosNuevo
Conteo de Personas en Espacio Cerrado para una Cafetería en Málaga
Recibes 4 horas de video cenital (720p, 15 fps) con ground truth manual de conteo de entradas y salidas. Aplica preprocesamiento (substracción de fondo), detección por blob, tra…
- Video Analysis
- Background Subtraction
- Tracking
Computer Vision (Undergraduate) - CodePrincipianteNuevo
Detecta defectos en aceitunas para una conservera murciana
Recibes 12.000 imágenes etiquetadas (3.000 por clase) capturadas con cámara industrial sobre fondo controlado. Entrena un MobileNetV3-Small fine-tuneado desde ImageNet. Reporta …
- ClasificacióN Con Cnn
- Transfer Learning
- AumentacióN De Datos
Machine Perception 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
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,…
- DeteccióN De Objetos
- Deep Learning
- EvaluacióN De Modelos
AI for Autonomous Vehicles - CodePrincipianteNuevo
Segmentación de Hojas de Olivo Enfermas en Jaén
Recibes 2.400 fotos anotadas con máscara de zona afectada y etiqueta de enfermedad (tres clases + sana). Entrena un U-Net ligero (encoder MobileNetV3 small o ResNet18) para segm…
- Semantic Segmentation
- ClasificacióN Con Cnn
- Deep Learning
Computer Vision (Undergraduate) - CodePrincipianteNuevo
Detecta cosecha óptima de fresa con visión RGB en invernadero
Recibirás 5.000 imágenes etiquetadas con cajas delimitadoras y clase (verde, comercial, sobre-madura) capturadas a distintas horas del día. Entrenarás un detector ligero (YOLOv8…
- DeteccióN De Objetos
- Despliegue En El Edge
- Pytorch O Tensorflow
Image Processing and Computational Imaging - CodeIntermedioNuevo
SLAM visual-inercial para un robot móvil en planta automotriz
Recibes un conjunto de datos con 600 metros grabados en la planta (imágenes estéreo a 20 fotogramas por segundo, IMU a 200 Hz y la verdad-terreno medida con un sistema de captur…
- Visual Inertial Slam
- Sensor Fusion
- Camera Imu Calibration
Robot Perception and Autonomy - 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
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
- Fine Tuning
Visual Intelligence and Visual Reasoning - CodePrincipianteNuevo
Modela secuencias de gestos para una empresa de retail interactivo en Bilbao
Recibes 4.500 clips etiquetados (900 por clase) de 16 frames a 15 fps. Extrae keypoints de mano con MediaPipe Hands y entrena dos modelos temporales: LSTM bidireccional y un Tra…
- Sequence Models
- Lstm
- Temporal Transformers
Machine Perception - 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…
- DeteccióN De Objetos
- Fine Grained Classification
- Pytorch O Tensorflow
Computer Vision - CodePrincipianteNuevo
Detecta defectos en placa cerámica para línea de control de calidad
Recibirás 8.000 imágenes etiquetadas (5 categorías: OK, microfisura, descuelgue, mancha, otro) capturadas con la cámara industrial existente. Entrenarás un clasificador (ResNet5…
- ClasificacióN Con Cnn
- Transfer Learning
- Pytorch O Tensorflow
Image Processing and Computational Imaging 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
Detectar defectos volumétricos en piezas con visión estéreo
Diseñarás una tubería que (1) calcula el mapa de disparidad y la nube de puntos a partir del par estéreo, (2) alinea esa nube con el CAD de referencia mediante Iterative Closest…
- Stereo Vision
- Depth Estimation
- Point Cloud Processing
3D Vision and Multi-View Geometry - CodeIntermedioNuevo
Modera contenido visual generado por usuarios en una EdTech peruana
Recibirás 30.000 imágenes etiquetadas (anonimizadas con caras pixeladas) en 5 categorías: apropiado, fuera de tema, posible violencia, posible desnudez, ambiguo. Entrena un clas…
- Multi Label Classification
- Clip
- Content Moderation
Deep Learning for Computer Vision - CodeFundamentosNuevo
Detector de Defectos en Conservas para una Industria de Murcia
Recibes 1.500 imágenes etiquetadas (defectuosas / aceptables) de producto en el formato exacto antes del cierre. Construye un pipeline clásico: segmentación del producto vs fond…
- Procesamiento De ImáGenes
- Feature Extraction
- Classification
Computer Vision (Undergraduate) - CodePrincipianteNuevo
Segmenta cultivos con imágenes satelitales para una agritech argentina
Recibirás 600 tiles de Sentinel-2 (10m de resolución, 4 bandas: rojo, verde, azul, NIR) sobre Mendoza, con máscaras etiquetadas de 4 clases (viñedo sano, viñedo con stress, oliv…
- Semantic Segmentation
- U Net
- Satellite Imagery
Deep Learning for Computer Vision - CodeIntermedioNuevo
Reconstrucción 3D Multi-Vista para una Consultoría Patrimonial en Lisboa
Recibes las 350 fotos + 8 GCPs (Ground Control Points). Usa COLMAP para SfM y OpenMVS para MVS, escala con 4 GCPs y valida con los otros 4. Genera mesh texturizado y nube métric…
- Structure From Motion
- Multi View Stereo
- 3d Reconstruction
Computer Vision - ResearchIntermedioNuevo
Reconoce ingredientes con CV en una app de delivery brasileña
Recibirás un dataset semi-curado de 15.000 imágenes con bounding boxes para 80 clases de ingrediente (heredado de un dataset público + filtrado). Reservarás 1.000 fotos 'cocina …
- DeteccióN De Objetos
- Yolo
- Pytorch O Tensorflow
Deep Learning for Computer Vision - 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
- Fine Tuning
Machine Perception - CodeIntermedioNuevo
Genera resúmenes visuales de partidos para un medio deportivo mexicano
Recibirás 30 partidos completos anotados con timestamps de eventos (gol, tiro, falta, sustitución, tarjeta). Entrena un modelo de detección de eventos basado en un encoder visua…
- Video Understanding
- Temporal Action Detection
- Clip
Deep Learning for Computer Vision - CodeIntermedioNuevo
Segmenta lesiones cerebrales con U-Net para una biotech de Barcelona
Recibes 600 volúmenes TC con máscaras (90 % train, 10 % test) y metadatos básicos (edad, sexo). Entrena una U-Net 3D con patches (96³) y augmentaciones (flip, rotación, ruido ga…
- Medical Image Segmentation
- U Net
- 3d Convolutional Networks
Machine Learning for Imaging and Medical Image Analysis - 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
- DeteccióN De Objetos
- Pytorch O Tensorflow
Computer Vision - CodeIntermedioNuevo
Detecta neumonía en RX de tórax para hospital universitario en Bogotá
Recibes 40.000 RX de tórax con etiquetas binarias (neumonía/no) provenientes de dos hospitales públicos. Entrena DenseNet-121 con transfer learning desde CheXNet o ImageNet. Rep…
- Medical Image Classification
- Transfer Learning
- Interpretability
Machine Learning for Imaging and Medical Image Analysis - CodeSéniorNuevo
Detecta nódulos pulmonares en TC para health-tech en Medellín
Trabajen en equipo de 2-3. Reciben 1.200 TCs anonimizadas con anotaciones de nódulos. Entrenen un detector 3D (RetinaNet 3D o nnDetection). Reporten FROC con sensibilidades a 0.…
- DeteccióN De Objetos
- 3d Detection
- Medical Imaging
Machine Learning for Imaging and Medical Image Analysis - 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-…
- DeteccióN De Objetos
- Deep Learning
- Pytorch O Tensorflow
Computer Vision - CodeIntermedioNuevo
Reconstruir una fachada patrimonial con Structure-from-Motion
Recibirás 250 fotografías de la fachada tomadas con teléfono más 6 puntos de control terrestre (GCP) medidos por un topógrafo (usados solo para escalado métrico y validación, no…
- Structure From Motion
- Multi View Stereo
- 3d Reconstruction
3D Vision and Multi-View Geometry - 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
AI for Autonomous Vehicles - CodeFundamentosNuevo
Conteo Automático de Botellas en Cinta para una Bodega del Penedès
Recibes 30 minutos de video cenital (1080p, 25 fps) de las tres cintas, con ground truth manual de conteo por minuto. Aplica preprocesamiento (substracción de fondo o threshold …
- Procesamiento De ImáGenes
- Background Subtraction
- Blob Detection
Computer Vision (Undergraduate) - 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 …
- ClasificacióN Con Cnn
- ClasificacióN Con Cnn
- Defect Detection
Deep Learning for Computer Vision - CodePrincipianteNuevo
Reconocimiento de Logos en Imágenes Móviles para una App de Cartagena (Colombia)
Recibes 4.000 imágenes etiquetadas de los 25 logos (recolectadas por el equipo en calle) y 800 imágenes negativas (escenas urbanas sin logo). Aplica transfer learning sobre un b…
- Transfer Learning
- ClasificacióN Con Cnn
- ClasificacióN Con Cnn
Computer Vision (Undergraduate) - CodeIntermedioNuevo
Segmentación 3D de Cuerpo de Mina para Empresa de Servicios Atacameña
Recibes 80 escaneos LiDAR anonimizados (alrededor de 12 millones de puntos por escaneo) con anotación 5-clase. Entrena un modelo de segmentación de nube de puntos (PointNet++ o …
- 3d Segmentation
- Point Cloud Processing
- Deep Learning
Computer Vision - 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…
- DeteccióN De Objetos
- Real Time Video
- Privacy Engineering
Visual Intelligence and Visual Reasoning - 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
- DeteccióN De Objetos
Robot Perception and Autonomy - CodeIntermedioNuevo
Segmenta lesiones de piel para teledermatología en zona rural
Recibirás 1.200 imágenes anotadas a nivel de píxel (combinando ISIC público y un subset cedido por la red, anonimizado) y 200 imágenes de validación con condiciones reales de ce…
- Image Segmentation
- Medical Imaging
- Pytorch O Tensorflow
Image Processing and Computational Imaging - 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 - CodeSéniorNuevo
Localización visual en interiores para una app de museos
Recibirás (1) una reconstrucción SfM de la sala principal del museo (unos 800 metros cuadrados, 1.500 imágenes), (2) un conjunto de 300 fotos de consulta con poses ground-truth …
- Visual Localization
- Feature Matching
- Pose Estimation
3D Vision and Multi-View Geometry - CodeIntermedioNuevo
Estima madurez de uva en viñedo con dron multispectral
Recibirás vuelos en 4 bandas (RGB + NIR) ortorrectificados y muestras de campo con grado Brix georeferenciadas. Construirás un pipeline que: (1) calcule índices vegetativos (NDV…
- Multispectral Imaging
- Remote Sensing
- Python O Javascript
Image Processing and Computational Imaging
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.
Roles relacionados que podrías explorar
Ver todos los roles →AI Engineering
Ingeniero/a de IA
Entre un artículo de investigación prometedor y una funcionalidad que la gente realmente usa, hay un puente largo y poco glamoroso — y los ingenieros de IA lo construyen. El trabajo consiste en tomar modelos que funcionan en notebooks y convertirlos en sistemas que resisten el tráfico real, los costos reales y los usuarios reales con preguntas desordenadas. Un buen trabajo aquí se ve como un pipeline de recuperación que acierta las respuestas un noventa y tantos por ciento de las veces, con arneses de evaluación que detectan regresiones antes de que se desplieguen. Los estudiantes crecen en este rol tratando Python y PyTorch como instrumentos en lugar de casillas de verificación, y luego aprendiendo a razonar sobre latencia, evaluación y costo en conjunto. Si disfrutas coser ideas en software funcional, este camino se sentirá como en casa.
AI Engineering
Ingeniero/a de Machine Learning
Un modelo que funciona en un portátil y un modelo que funciona para millones de usuarios son dos artefactos muy diferentes, y los machine learning engineers viven en el espacio entre ellos. El rol existe para convertir ML de nivel de investigación en sistemas de producción confiables, lo que implica preocuparse por la latencia, los pipelines de reentrenamiento y qué sucede cuando la distribución de datos cambia a las tres de la mañana. Los estudiantes crecen en esto a través del trabajo práctico con PyTorch o TensorFlow, más suficiente disciplina de ingeniería de software para ejecutar CI/CD real. Herramientas como AWS SageMaker se convierten en parte del flujo de trabajo. Los buenos ML engineers pueden hablar de trabajo con data scientists por un lado y con platform engineers por el otro, y esa cualidad bilingüe es a menudo lo que les consigue el empleo.
AI Engineering
Ingeniero/a de MLOps
Los modelos en producción fallan de formas más extrañas de lo que jamás lo harían en un notebook. El MLOps engineer es la persona que anticipa esos fallos y construye el andamiaje que permite que el machine learning sobreviva al contacto con usuarios reales. Piensa en feature stores que se mantienen consistentes entre el entrenamiento y el servicio, pipelines de despliegue a través de MLflow que hacen que los rollbacks sean aburridos, y observabilidad que detecta el drift antes de que los stakeholders lo noten. El trabajo se sitúa en la intersección de la ingeniería de plataformas y la ciencia de datos, y recompensa a quienes disfrutan construyendo herramientas de las que otros ingenieros dependerán. Un estudiante crece en este rol familiarizándose temprano con Kubernetes y desarrollando el criterio para saber cómo se ve realmente un sistema de ML saludable bajo carga.
AI Engineering
Ingeniero/a de NLP
El lenguaje es desordenado. La gente escribe mal, se contradice, pregunta lo mismo de cinco formas diferentes y espera que una máquina lo entienda. Los ingenieros de NLP construyen los sistemas que lo intentan. El rol abarca desde el procesamiento clásico de texto en spaCy hasta arquitecturas modernas de recuperación aumentada ensambladas con LangChain, y las constantes decisiones sobre cuándo ajustar un modelo, cuándo usar un prompt y cuándo recurrir a reglas. Recompensa a quienes aman tanto la lingüística como el pensamiento sistémico. Los estudiantes crecen en este rol a través de pequeños proyectos —un bot de preguntas y respuestas sobre sus apuntes, un clasificador para su bandeja de entrada— que revelan los modos reales de fallo de los modelos de lenguaje. Un buen ingeniero de NLP se obsesiona tanto con la evaluación como con la arquitectura.
AI Engineering
Ingeniero/a de Prompts
Escribir instrucciones para un modelo es un oficio nuevo y extraño. Las palabras que eliges, su orden, los ejemplos que incluyes — todo moldea lo que un sistema de varios miles de millones de parámetros hará a continuación. Los prompt engineers tratan esto como una verdadera disciplina de ingeniería: versionan prompts en herramientas como PromptLayer, ejecutan evaluaciones en miles de casos de prueba, optimizan para costo y latencia en producción, y colaboran con expertos en el dominio para codificar su criterio en texto. El rol es tan nuevo que a menudo los estudiantes ayudan a definirlo en el trabajo. Crecer en él significa desarrollar intuición sobre cómo fallan los modelos, cuándo es mejor hacer fine-tuning, y cómo redactar especificaciones lo suficientemente precisas para lanzarlas. Los buenos prompt engineers lo miden todo y confían en las corazonadas solo como punto de partida.
Equipos 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.