Segmenta cultivos con imágenes satelitales para una agritech argentina
Visión general
De qué trata este proyecto.
Segmenta viñedos y olivos en imágenes satelitales con U-Net y evalúa con IoU. Completa el challenge y obtén un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Entrena un modelo de segmentación semántica sobre Sentinel-2 con mIoU mayor a 0,75 en 4 clases agrícolas para integrar a un dashboard productivo.
Earning criteria — what you'll demonstrate
- Aplicar segmentación semántica sobre imágenes multi-banda satelitales
- Adaptar augmentation a las particularidades de imagery satelital
- Evaluar segmentación con métricas correctas por clase, no solo accuracy global
- Diseñar pipelines de inferencia batch sobre tiles georreferenciados
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Deep Learning for Computer Vision
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 Visión por Computador
Segmentación satelital es nicho creciente en agritech, defense y climate; este reto da portfolio diferenciado.
Este proyecto afina
- semantic-segmentation
- u-net
- satellite-imagery
Ingeniero de Aprendizaje Automático
Construir pipelines batch sobre tiles georreferenciados es trabajo cotidiano del MLE en remote sensing.
Este proyecto afina
- pytorch
- remote-sensing
- evaluation
Científico Aplicado de IA
Atar el modelo a un dashboard productivo y validar con agrónomos es la cadena que el applied AI scientist domina.
Este proyecto afina
- semantic-segmentation
- evaluation
- remote-sensing