Detección de Peatones Nocturnos para un OEM Automotor Catalán
Visión general
De qué trata este proyecto.
Entrena un detector YOLOv8 con 25.000 imágenes nocturnas, evalúa métricas estratificadas y obtén un certificado verificable.
El escenario
El OEM (planta principal en el área metropolitana de Barcelona, alrededor de 7.000 personas en producción) exporta vehículos a Europa y a Norteamérica; un fallo de detección nocturno tiene impacto directo en homologación EuroNCAP.
El Briefing
Lo que harás y lo que demostrarás.
Mejorar [email protected] nocturno en al menos 8 puntos vs. baseline day-only, con estratificación honesta por iluminación y distancia.
Earning criteria — what you'll demonstrate
- Aplicar detectores modernos (YOLO, RT-DETR) a un problema de seguridad
- Estratificar métricas por condiciones operativas relevantes
- Diseñar augmentations efectivas para el dominio nocturno
- Comunicar trade-offs a un equipo de seguridad de producto
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
AI for Autonomous Vehicles
Master · Applied Ai
Strong alignment
This challenge maps to AI for Autonomous Vehicles 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.
- Object Detection
Apply object detection to solve real industry problems and demonstrate production-level capability.
- Deep Learning
Design and train neural networks for complex pattern recognition tasks.
- Model Evaluation
Apply model evaluation 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.
- Domain Adaptation
Apply domain adaptation 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 Visión por Computadora
Entrenar detectores con estratificación de métricas y análisis de fallos es trabajo cotidiano del CV engineer en automoción.
Este proyecto afina
- object-detection
- deep-learning
- model-evaluation
Ingeniero de Aprendizaje Automático
El pipeline reproducible y la disciplina de métricas es directamente el músculo del MLE junior en producto.
Este proyecto afina
- pytorch
- data-augmentation
- model-evaluation
Investigador en Seguridad de IA
Estratificación honesta por condiciones operativas y análisis de fallos críticos es práctica directa de safety en sistemas físicos.
Este proyecto afina
- model-evaluation
- object-detection
- domain-adaptation