Aplica transfer learning para clasificar especies marinas en Chiloé
Visión general
De qué trata este proyecto.
Aplica transfer learning con ResNet-50 para clasificar 12 especies marinas en Chiloé. Compara tres estrategias y mide macro-F1. Obtén tu certificado verificable.
El escenario
El centro (~80 personas, financiación pública + privada) busca automatizar el conteo de biodiversidad para reducir el coste de monitoreo de 4.000 USD/mes a <1.000 USD/mes.
El Briefing
Lo que harás y lo que demostrarás.
Identificar la estrategia óptima de transfer learning para clasificar 12 especies marinas con 1.200 imágenes y ≥85 % macro-F1.
Earning criteria — what you'll demonstrate
- Distinguir feature extraction, fine-tuning parcial y total
- Aplicar learning rate diferenciado por capa
- Evaluar trade-off precisión vs sobreajuste con dataset pequeño
- Justificar elección de estrategia con métricas cuantitativas
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Meta-Learning, Transfer Learning, and Multi-Task Learning
Master · Machine Learning
Strong alignment
This challenge maps to Meta-Learning, Transfer Learning, and Multi-Task Learning at the Master level. It sharpens the same practical skills your coursework expects — but in a real industry context with actual constraints and deliverables.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
- Transfer Learning
Apply transfer learning to solve real industry problems and demonstrate production-level capability.
- Fine Tuning
Apply fine tuning to solve real industry problems and demonstrate production-level capability.
- Image Classification
Apply image classification to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Data Augmentation
Apply data augmentation to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation to solve real industry problems and demonstrate production-level capability.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero/a de Machine Learning
Transfer learning con comparación de estrategias es el músculo básico que ejercita cualquier MLE en proyectos con datos limitados.
Este proyecto afina
- transfer-learning
- fine-tuning
- model-evaluation
Ingeniero/a de Visión por Computador
Clasificación con backbones preentrenados es el flujo cotidiano de CV en industria sin GPU farms.
Este proyecto afina
- transfer-learning
- image-classification
- fine-tuning
Científico/a de IA Aplicada
Elegir estrategia con criterios de negocio + técnico es la mentalidad de aplicación que define el rol.
Este proyecto afina
- transfer-learning
- model-evaluation
- fine-tuning