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.
- 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 - 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
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 - 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 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
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 - 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 - 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 - 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 - 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
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 - 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 - 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 - 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 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
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 - 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 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
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
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
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 - 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
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 - 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
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.