Detección de fugas con sensores acústicos para una utility chilena
Visión general
De qué trata este proyecto.
Entrena un random forest y una CNN con señales acústicas para detectar fugas. Compara F1 y latencia. Obtienes un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Entrenar y evaluar un clasificador de señal acústica que reduzca falsos positivos respecto al cribado manual sin perder fugas reales.
Earning criteria — what you'll demonstrate
- Aplicar procesamiento de señal y Deep Learning a un problema industrial real
- Diseñar features acústicas relevantes para una tarea de clasificación
- Equilibrar precisión y recall con un coste asimétrico por clase
- Comunicar la recomendación de un modo de uso a un equipo operativo
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
AI for Science and Engineering
Master · Ai Ml
Fit score: 1
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 canónicosIngeniero de Machine Learning
Llevar un problema industrial de señal acústica a un clasificador con umbral operativo justificado es trabajo directo de un MLE en organizaciones industriales.
Este proyecto afina
- signal-processing
- convolutional-neural-networks
- model-validation
Ingeniero de IA
Decidir el modo de uso (asistente vs. automático) y traducirlo a una recomendación operativa es ejercicio nuclear del rol de AI Engineer.
Este proyecto afina
- python
- feature-engineering
- model-validation
Científico de Datos
La construcción de features acústicas, la comparación honesta entre enfoques y el reporte de F1 por clase son ejercicio diario de Data Scientist en utilities.
Este proyecto afina
- feature-engineering
- signal-processing
- convolutional-neural-networks