Augmenta datasets escasos con VAEs para clasificación médica
Visión general
De qué trata este proyecto.
Genera imágenes médicas con un beta-VAE, entrena un clasificador y compara métricas. Obtén un certificado verificable.
El escenario
Este es un proyecto de investigación reproducible; el output es un mini-paper estilo workshop que el grupo puede mostrar en una conferencia local y que sirve de base para colaboraciones con hospitales bajo aprobación ética.
El Briefing
Lo que harás y lo que demostrarás.
Evalúa si beta-VAE augmentation cierra la brecha entre dataset escaso (500/clase) y dataset oráculo (1000/clase) en clasificación médica.
Earning criteria — what you'll demonstrate
- Implementar VAE y beta-VAE desde principios + librerías
- Diseñar experimento controlado de data augmentation
- Evaluar generative models con métricas downstream, no solo FID
- Reportar resultados con honestidad estadística (semillas, intervalos)
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Deep Generative Models
Master · Generative Ai
Strong alignment
This challenge maps to Deep Generative Models 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.
- Vae
Apply vae to solve real industry problems and demonstrate production-level capability.
- Generative Models
Apply generative models 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.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Evaluation
Apply evaluation to solve real industry problems and demonstrate production-level capability.
- Latent Space Analysis
Apply latent space analysis 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.
Investigador de ML
Investigar augmentation con generative models y reportar estilo paper es exactamente el trabajo de un ML researcher junior.
Este proyecto afina
- vae
- generative-models
- data-augmentation
Científico de Investigación
Diseñar experimento controlado con seeds y reportar honestamente es el estándar del research scientist en cualquier lab.
Este proyecto afina
- evaluation
- latent-space-analysis
- vae