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 - 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 - 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
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 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
- 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) - 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 - 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 - 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 - 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
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
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.