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 escenario
La utility opera 11.000 kilómetros de red de distribución; reducir falsos positivos del flujo actual ahorraría cientos de inspecciones físicas mensuales y aceleraría la detección de fugas reales.
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 · Applied Ai
Strong alignment
This challenge maps to AI for Science and Engineering 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.
- Signal Processing
Apply signal processing to solve real industry problems and demonstrate production-level capability.
- Deep Learning
Design and train neural networks for complex pattern recognition tasks.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Model Validation
Apply model validation to solve real industry problems and demonstrate production-level capability.
- Feature Engineering
Apply feature engineering to solve real industry problems and demonstrate production-level capability.
- Convolutional Neural Networks
Apply convolutional neural networks 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 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