Detecta defectos en aceitunas para una conservera murciana
Visión general
De qué trata este proyecto.
Entrena un modelo para detectar defectos en aceitunas y supera el 90% de macro-F1. Obtén tu certificado verificable.
El escenario
La conservera (~150 personas) compite por precio en supermercado y un 1 % de defectos no detectados se traduce en devoluciones masivas de cadena.
El Briefing
Lo que harás y lo que demostrarás.
Entrenar un clasificador 4-clases sobre aceitunas con macro-F1 ≥90 % y latencia ≤120 ms en hardware ARM.
Earning criteria — what you'll demonstrate
- Aplicar transfer learning desde una red preentrenada en ImageNet
- Diseñar augmentaciones que reflejen variación real de captura
- Medir latencia como métrica de primera clase para deployment edge
- Realizar análisis de errores cualitativo para iterar el dataset
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Machine Perception
Master · Computer Vision
Strong alignment
This challenge maps to Machine Perception 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.
- Image Classification
Apply image classification to solve real industry problems and demonstrate production-level capability.
- Transfer Learning
Apply transfer learning 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.
- Edge Deployment
Apply edge deployment to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- Model Evaluation
Apply model evaluation 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/a de Visión por Computador
Clasificación con MobileNet fine-tuneado para edge es el primer proyecto típico de CV junior en industria.
Este proyecto afina
- image-classification
- transfer-learning
- edge-deployment
Ingeniero/a de Machine Learning
Medir latencia y ajustar arquitectura para hardware concreto es músculo central de MLE en producto.
Este proyecto afina
- pytorch
- edge-deployment
- model-evaluation
Ingeniero/a de IA
Llevar un modelo desde dataset etiquetado a prototipo medible es el flujo diario del AI Engineer.
Este proyecto afina
- image-classification
- data-augmentation
- model-evaluation