Bayesian deep learning para diagnóstico médico con incertidumbre
Visión general
De qué trata este proyecto.
En equipo de 2-3, recibes 12.000 imágenes de fondo de ojo etiquetadas en 4 clases (sin retinopatía, leve, moderada, severa). Compara tres enfoques: (1) CNN base + softmax, (2) MC Dropout con 30 pasadas, (3) ensemble profundo de 5 CNNs. Evalúa AUC por clase, ECE (Expected Calibration Error — error de calibración esperado) y propón una regla 'derivar a oftalmólogo si entropía predictiva > umbral'. Éxito = al menos un método con ECE < 0,05, mejor AUC en promedio que el modelo base, y un protocolo de derivación validado mostrando reducción de error a costa de derivación aceptable.
El Briefing
Lo que harás y lo que demostrarás.
Cuantificar incertidumbre epistémica y aleatórica en una CNN médica para diseñar un protocolo de derivación que reduzca errores clínicos sin saturar a los especialistas.
Earning criteria — what you'll demonstrate
- Aplicar MC Dropout y ensembles como aproximaciones a Bayesian deep learning
- Distinguir incertidumbre epistémica vs. aleatórica y elegir métricas apropiadas
- Evaluar calibración con ECE y diseñar protocolos basados en incertidumbre
- Comunicar incertidumbre en un contexto clínico responsable
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosInvestigador/a de Machine Learning
Comparar 3 enfoques de Bayesian deep learning con análisis de calibración y protocolo clínico es el corazón del trabajo de un ML researcher en healthtech.
Este proyecto afina
- bayesian-deep-learning
- uncertainty-quantification
- deep-learning
Investigador/a en Seguridad de IA
Diseñar reglas de derivación basadas en incertidumbre para evitar daños es exactamente la lente que aporta un AI safety researcher.
Este proyecto afina
- uncertainty-quantification
- bayesian-deep-learning
- model-evaluation
Ingeniero/a de Visión por Computador
Trabajar con imágenes médicas calibrando CNNs y manejando despliegue en clínicas es competencia core de un CV engineer en imagen médica.
Este proyecto afina
- medical-imaging
- deep-learning
- python
Científico/a Aplicado/a de IA
Traducir Bayesian deep learning en un protocolo accionable es el puente que hacen los applied scientists entre investigación y producto.
Este proyecto afina
- uncertainty-quantification
- model-evaluation
- medical-imaging