Segmenta lesiones de piel para teledermatología en zona rural
Visión general
De qué trata este proyecto.
Segmenta lesiones de piel con U-Net y SegFormer, analiza equidad por fototipo y obtén tu certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Entrenar un segmentador de lesiones cutáneas robusto a fotos de móvil de centro rural, con auditoría de equidad por fototipo y guía clínica de uso.
Earning criteria — what you'll demonstrate
- Aplicar arquitecturas de segmentación clásica y moderna a imagen médica
- Diseñar splits que respeten paciente, no imagen, para evitar fugas
- Analizar equidad por subgrupo (fototipo) con métricas honestas
- Comunicar límites del modelo a personal clínico no técnico
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Image Processing and Computational Imaging
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 canónicosIngeniera de Visión por Computadora
Segmentación médica con auditoría de equidad y guía clínica es el paquete completo que un equipo de visión por computadora en salud espera de su próxima contratación.
Este proyecto afina
- image-segmentation
- medical-imaging
- model-evaluation
Ingeniera de Aprendizaje Automático
El pipeline reproducible con splits cuidados y reporting honesto es exactamente lo que un equipo de ML engineering exige antes de mover modelos a producción.
Este proyecto afina
- pytorch
- data-augmentation
- model-evaluation
Investigadora de Seguridad de IA
Hacer auditoría de equidad por fototipo y declarar dónde el modelo no debe usarse conecta directo con investigación aplicada en seguridad clínica de IA.
Este proyecto afina
- fairness-analysis
- model-evaluation
- medical-imaging