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.
- CodeIntermedioNuevo
Detección de fraude transaccional en pagos B2B
Recibirás 9 meses de transacciones anonimizadas (alrededor de 38 millones de eventos) con etiquetas de chargeback retroactivas. Construye features (velocidad, anomalía geográfic…
- Fraud Detection
- Gradient Boosting
- Feature Engineering
Data Mining and Information Retrieval - CodeIntermedioNuevo
Detección de Fraude en Pagos para una Pasarela Brasileña
Recibes 12 meses de transacciones anonimizadas (alrededor de 42 millones de filas) con etiqueta de fraude confirmado y un dataset adicional de chargebacks pendientes (etiqueta r…
- Fraud Detection
- Imbalanced Classification
- Feature Engineering
Applied Machine Learning - 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 - CodeIntermedioNuevo
Pruning Estructurado para Cámara de Inspección de Acero en Monterrey
Recibirás un modelo de segmentación semántica (ResNet-50 + UPerNet) entrenado en 12.000 imágenes etiquetadas con 5 clases de defectos. Aplica pruning estructurado por canal (no …
- Structured Pruning
- Knowledge Distillation
- Despliegue En El Edge
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
- CodeIntermedioNuevo
Compresión de modelos con distillation para edge
Recibirás el modelo teacher (YOLOv8-L) entrenado sobre 18.000 imágenes etiquetadas + el conjunto de validación. Diseñarás una estrategia que combine: (1) knowledge distillation …
- Knowledge Distillation
- Model Pruning
- Quantization
Advanced Deep Learning - CodeIntermedioNuevo
Entrenamiento distribuido del scoring de riesgo en banca minorista
Recibes un subconjunto anonimizado de 20 millones de operaciones y un cluster Spark con 8 nodos para los experimentos. Diseña la pipeline en dos fases: ingeniería de features di…
- Entrenamiento Distribuido
- Apache Spark
- Ensembles De ÁRboles
Machine Learning at Scale - CodeIntermedioNuevo
Modelos neuronales para forecasting jerárquico de cadena de suministro
Recibes 4 años de ventas semanales con 60 SKUs activos en 9 países (540 series por SKU-país). Implementa dos enfoques: (a) ARIMA por serie + reconciliación bottom-up, (b) DeepAR…
- Hierarchical Forecasting
- Neural Forecasting
- Arima
Time Series Analysis and Forecasting - CodeIntermedioNuevo
Fine-tunea un LLM abierto para soporte técnico de software industrial
Recibirás 12.000 pares pregunta/respuesta limpios. Harás un fine-tuning supervisado (SFT) de Llama-3 8B o Qwen2 7B usando LoRA (Low-Rank Adaptation, adaptación de bajo rango) so…
- Fine Tuning
- Fine Tuning
- Evaluation
Large Language Models - 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
Capstone de recomendador para una plataforma SaaS B2B en Bogotá
Recibirás 9 meses de datos anonimizados: 22.000 cuentas, 180.000 facturas y un catálogo de 140 plantillas. Implementa dos enfoques: (1) filtrado colaborativo basado en factoriza…
- Recommender Systems
- Word Embeddings
- Offline Evaluation
AI/ML Practicum and Hands-on Lab - CodeIntermedioNuevo
REINFORCE para balance de carga en un servidor de gaming LATAM
Recibes 30 días de logs históricos (origen del jugador, datacenters disponibles, carga, latencia medida, costo) y construyes un simulador de eventos discretos. Entrena un agente…
- Reinforcement Learning
- Policy Gradients
- Deep Learning
Reinforcement Learning - 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
- DeteccióN De AnomalíAs
Probabilistic Machine Learning - CodeIntermedioNuevo
Entrena un Reward Model para evaluar respuestas de un asistente
En equipo de 2, recibes el dataset HH-RLHF (open-source) con ~160k pares y un modelo base abierto fine-tuneable (por ejemplo Qwen2.5-1.5B o similar). Entrena un RM agregando una…
- Rlhf
- Reward Modeling
- Deep Learning
Machine Learning from Human Preferences (RLHF and Alignment) 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
Recomendador de productos para marketplace de moda LATAM
Trabajarás con 6 meses de eventos clickstream anonimizados (alrededor de 220 millones de eventos: vistas, carritos, compras), un catálogo de 1,8 millones de productos con atribu…
- Recommendation Systems
- Collaborative Filtering
- Word Embeddings
Data Mining and Information Retrieval - CodeIntermedioNuevo
Embeddings distribuidos para recomendación en marketplace fintech LATAM
Recibes un subconjunto anonimizado de 50 millones de interacciones usuario-producto y un cluster con 4 GPUs. Implementa una arquitectura two-tower (una torre para usuario, otra …
- Entrenamiento Distribuido
- Recommender Systems
- Pytorch O Tensorflow
Machine Learning at Scale - 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
- EvaluacióN De Modelos
Machine Learning - CodeIntermedioNuevo
Construye un buscador visual + texto para una marca de calzado en Elche
Recibirás un catálogo de 4.500 SKU (Stock Keeping Unit — unidad de mantenimiento de inventario) con imágenes y descripciones en español, más 200 consultas reales de clientes. Im…
- Multimodal Ml
- Word Embeddings
- Fundamentos De Bases De Datos Vectoriales
Multimodal Machine Learning - CodeIntermedioNuevo
Pronóstico de Demanda Diaria para una Bodega Atacameña
Recibes 4 años de demanda diaria por 12 familias de producto, calendario de mantenimientos programados de las dos faenas principales y precio mensual del cobre. Construye un mod…
- Time Series Forecasting
- Feature Engineering
- Gradient Boosting
Applied Machine Learning - CodeIntermedioNuevo
Predice la demanda diaria para una distribuidora de aceite en Jaén
Recibes 36 meses de ventas anonimizadas (~2,1 millones de filas, SKU × tienda × día). Construye features de calendario (festivos andaluces, semana santa, fines de mes), variable…
- Time Series Forecasting
- Gradient Boosting
- Feature Engineering
Machine Learning - CodeIntermedioNuevo
Validación de Política de Control con Simulación CARLA
Trabajas con CARLA 0.9.15 y diseñas 20 escenarios urbanos (peatón cruzando, ciclista zigzag, frenado brusco del vehículo delantero, intersección con prioridad ambigua). Define m…
- SimulacióN
- Control Systems
- Scenario Testing
AI for Autonomous Vehicles - 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
- Ensembles De ÁRboles
Social Network Analysis and Web Science - CodeIntermedioNuevo
Despliega un modelo de visión en edge para inspección de aceitunas
Recibirás un dataset de 8.000 imágenes etiquetadas (4 clases: sana, golpe, mosca, podrida) capturadas en condiciones reales de planta. Entrenarás un modelo (transfer learning de…
- Deep Learning
- VisióN Por Computador
- Model Optimization
Machine Learning (CS Elective) - 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 - 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…
- Aprendizaje Supervisado
- Feature Engineering
- EvaluacióN De Modelos
AI/ML Practicum and Hands-on Lab - CodeIntermedioNuevo
Compara DQN y SAC para control de cinta transportadora aleatoria
En equipo de 2, recibes el simulador de cinta calibrado contra logs de 30 días reales. Estado = (carga actual, tasa de llegada estimada, temperatura del motor). Acción discreta …
- Reinforcement Learning
- Dqn
- Sac
Robot Learning - 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
- EvaluacióN De Modelos
Applied Machine Learning - CodeIntermedioNuevo
Cuantiza un Modelo de Detección de Plagas en Olivar de Jaén
Recibirás un modelo PyTorch preentrenado (~12M parámetros), un dataset etiquetado de 8.000 imágenes (4 clases de plaga + sano) y la documentación del ESP32-S3 con TensorFlow Lit…
- Quantization
- Qat
- Despliegue En El Edge
Edge ML and On-Device Machine Learning - 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 O Tensorflow
AI for Autonomous Vehicles - CodeIntermedioNuevo
Clasifica reclamaciones de seguros con un modelo de lenguaje afinado
Recibirás 18.000 reclamaciones anonimizadas etiquetadas (urgencia 1-3, ramo en 12 categorías, flag fraude). Diseñarás el preprocesamiento de texto. Afinarás 2 modelos pre-entren…
- Deep Learning
- Transfer Learning
- Procesamiento De Lenguaje Natural (NLP)
Machine Learning (CS Elective) - 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
- EvaluacióN De Modelos
Applied Machine Learning - CodeIntermedioNuevo
Entrenar un NeRF para visitas virtuales de hoteles en Mallorca
Recibirás vídeos de 60-90 segundos por habitación (3 habitaciones de muestra) más fotogramas extraídos y las poses estimadas con COLMAP. Entrenarás un NeRF (variante Instant-NGP…
- Neural Scene Representation
- Nerf
- Gaussian Splatting
3D Vision and Multi-View Geometry - CodeIntermedioNuevo
Detección de palabras clave de despertador en español mexicano para wearable
Recibes 12.000 grabaciones positivas de la palabra clave por hablantes mexicanos, 80.000 grabaciones negativas (conversación, ruido de gimnasio, otras palabras parecidas) y un o…
- Keyword Spotting
- Model Quantization
- Despliegue En El Edge
Speech Recognition and Spoken Language Processing - CodeIntermedioNuevo
Etiquetado activo asistido por modelo para visión embarcada en AR/VR
Recibes un pool de 8.000 frames sin etiquetar de una sesión de mantenimiento real (anonimizada) y 500 frames etiquetados como semilla. Entrena un modelo base de detección 3D lig…
- Active Learning
- DeteccióN De Objetos
- Human In The Loop
Visual Intelligence and Visual Reasoning - CodeIntermedioNuevo
Construye un sistema de moderación multimodal para un marketplace de Bogotá
Recibirás 3.000 listados anonimizados etiquetados (95 % OK, 5 % inapropiado). Implementa: (1) clasificador solo-imagen con un modelo preentrenado, (2) clasificador solo-texto co…
- Multimodal Ml
- Fusion
- ClasificacióN Con Cnn
Multimodal Machine Learning - CodeIntermedioNuevo
Diseña aprendizaje multi-tarea para una fintech en Bogotá
Recibes 250.000 clientes anonimizados con features compartidas (uso, antigüedad, saldo, demografía) y las 3 etiquetas. Construye una red multi-tarea con shared encoder + 3 cabez…
- Multi Task Learning
- Transfer Learning
- Loss Balancing
Meta-Learning, Transfer Learning, and Multi-Task Learning
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 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.
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.
Las habilidades y disciplinas mostradas en esta página provienen del catálogo de retos de Ewance. Cuando el salario mediano anual para este rol esté disponible vía Adzuna, se mostrará arriba con el tamaño de la muestra y el país.
Retrato: Foto de Yevgeniy KHVAN en Unsplash.