Reconoce ingredientes con CV en una app de delivery brasileña
Visión general
De qué trata este proyecto.
Recibirás un dataset semi-curado de 15.000 imágenes con bounding boxes para 80 clases de ingrediente (heredado de un dataset público + filtrado). Reservarás 1.000 fotos 'cocina real' (luz variable, fondos complejos, oclusión) como test de viabilidad. Entrena un detector (YOLOv8 o equivalente moderno), aplica augmentation y class balancing. Reporta mAP@50 sobre validation curada y sobre cocina real, identificando las 10 clases más débiles. Entrega también un análisis de modos de fallo (oclusión, luz baja, similaridad entre clases — ej. limón vs lima) y recomendación de viabilidad: lanzar, lanzar con 40 clases, o no lanzar.
El Briefing
Lo que harás y lo que demostrarás.
Entrena un detector de 80 ingredientes y evalúa viabilidad sobre fotos reales de cocina con análisis de modos de fallo.
Earning criteria — what you'll demonstrate
- Entrenar detectores modernos (YOLOv8) sobre datasets con muchas clases
- Diseñar evaluación que exponga el gap entre dataset curado y uso real
- Analizar modos de fallo de forma sistemática, no anecdótica
- Comunicar viabilidad técnica con honestidad a stakeholders de producto
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 canónicosIngeniero de Visión por Computador
Object detection con análisis honesto de modos de fallo es exactamente lo que diferencia a un CV engineer senior de un junior.
Este proyecto afina
- object-detection
- yolo
- failure-mode-analysis
Gerente de Producto de IA
Traducir gap dataset-vs-real en recomendación de MVP alternativo es habilidad central del AI PM.
Este proyecto afina
- evaluation
- failure-mode-analysis
- data-curation
Ingeniero de Aprendizaje Automático
Reproducibilidad y documentación del experimento son habilidades cotidianas del MLE en producto.
Este proyecto afina
- pytorch
- yolo
- evaluation