IA et data
Défis Deep Learning
Deep Learning challenges put you inside the work of building models that learn from raw data. You'll develop skills in Neural Networks and Feedforward Networks, apply Data Augmentation, and train models in PyTorch or TensorFlow alongside Reinforcement Learning fundamentals.
From there you'll handle the harder edges — Transformer architecture, Attention mechanisms, Custom architecture design, and Distributed training — working with PyTorch Lightning / Hugging Face Trainer, JAX research patterns, and Ablation study design the way research teams actually do. Each challenge you solve earns a verified credential you can share with recruiters.
- CodeConfirméNouveau
Extraction automatique d'exigences réglementaires multilingues pour l'export de vin
Concevez un pipeline d'extraction d'entités nommées multilingue, fondé sur le fine-tuning d'un modèle de la famille BERT, capable de repérer les entités critiques dans des extra…
- Transformer Architecture
- Encoder Fine Tuning Bert Family
- Named Entity Recognition
Travaux ouverts - CodeDébutantNouveau
Détection automatique de défauts sur pièces moulées en aluminium
Construisez un réseau de neurones convolutif qui classe chaque image de pièce moulée en 'conforme' ou 'défectueuse', en travaillant à partir d'un jeu d'images industrielles réel…
- Neural Networks
- Feedforward Networks
- Pytorch Or Tensorflow
Travaux ouverts - AnalysisIntermédiaireNouveau
Dossier de mise en production d'un assistant support fine-tuné par LoRA
Examinez uniquement les trois pièces du dossier fournies : le journal d'entraînement, l'échantillon d'évaluation et la fiche de configuration LoRA. Croisez les métriques avant/a…
- Lora Fine Tuning
- Model Evaluation And Benchmarking
- Catastrophic Forgetting Mitigation
Travaux ouverts - CodeIntermédiaireNouveau
Détection de fraude par séquences de transactions mobile money
Construisez un modèle transformer qui prend en entrée la séquence des transactions récentes d'un utilisateur (montant, canal, agent, écart de temps) et produit un score de risqu…
- Transformer Architecture
- Attention Mechanisms
- Sequence Labeling
Travaux ouverts 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
- ResearchConfirméNouveau
Modélisation neuronale du trafic conteneurs dans un hub portuaire méditerranéen
Vous êtes mandaté(e) comme data scientist senior pour mener cette investigation. À partir du jeu de données fourni (trafic hebdomadaire sur 156 semaines avec variables contextue…
- Neural Networks
- Feedforward Networks
- Hyperparameter Tuning
Travaux ouverts - CodeIntermédiaireNouveau
Générer des défauts synthétiques pour fiabiliser un contrôle qualité automobile
À partir du dossier de cas et du jeu de données d'embeddings fourni, entraînez un modèle génératif conditionnel (VAE ou diffusion) capable de synthétiser des représentations pla…
- Attention Mechanisms
- Anomaly Detection
- Ai Assisted Coding
Travaux ouverts - CodeIntermédiaireNouveau
Segmentation LiDAR en conditions météo dégradées pour véhicules autonomes
Vous recevez le dossier technique complet incluant un extrait de nuages de points LiDAR annotés, le journal des incidents de classification et la spécification du capteur. Votre…
- 3d Vision
- Anomaly Detection
- Ai Assisted Coding
Travaux ouverts
Comment ça marche
Du brief au certificat, en six étapes.
Étape 01
Parcourez des défis alignés sur vos études.
Étape 02
Acceptez celui qui correspond à vos objectifs.
Étape 03
Avancez avec l'aide de l'IA Copilot.
Étape 04
Soumettez-le pour une évaluation structurée.
Étape 05
Obtenez un certificat vérifié.
Étape 06
Ajoutez-le à LinkedIn en un clic.
Familles de compétences similaires
Voir toutes les compétencesDes équipes d'entreprise derrière une décennie de briefs de terrain
Vous recrutez dans ce vivier ?
Parrainez un défi et rencontrez des candidats à travers un vrai travail.
Les équipes des entreprises peuvent construire des briefs autour des compétences qu'elles recrutent, puis évaluer les étudiants sur des livrables notés selon une grille — pas sur des CV.



















































































