Detecção automática de defeitos em couro com visão computacional
Visão geral
Sobre o que é este desafio
Treine uma CNN para detectar defeitos em couro com data augmentation e avalie por recall. Receba um certificado verificável.
O Brief
O que você vai fazer e o que vai demonstrar.
A inspeção visual manual do couro deixa passar defeitos sutis que só aparecem depois do corte, gerando desperdício de matéria-prima que poderia ser evitado com triagem antecipada por imagem.
Earning criteria — what you'll demonstrate
- Aplicar arquiteturas de redes neurais convolucionais a um problema real de classificação de imagens
- Usar aumento de dados para compensar desbalanceamento de classes em conjuntos pequenos
- Avaliar modelos de deep learning com métricas apropriadas além da acurácia
- Traduzir resultados de um modelo de visão computacional em recomendação de negócio
Adequação ao Programa
Onde isso se encaixa no seu programa.
Aperfeiçoa as mesmas habilidades que seu curso espera que você demonstre.
Conteúdo alinhado em breve.
Habilidades
Habilidades que você vai demonstrar.
Cada um aparece no seu certificado verificado.
Carreiras
Cargos para os quais este desafio te prepara.
Títulos reais. Pontes reais de habilidades. Escolha o mais próximo da sua trajetória.
Trilhas de carreira que este desafio desenvolve
Funções canônicasEngenheiro de Machine Learning
O desafio treina a construção e avaliação criteriosa de modelos de deep learning aplicados a um problema de produção real, habilidade central para quem projeta pipelines de machine learning em ambientes industriais.
Este desafio aprimora
- neural-networks
- pytorch-or-tensorflow
- data-augmentation
Quality Engineer
Ao ligar métricas de modelo a custos de defeito não detectado, o desafio aproxima o estudante da lógica de controle de qualidade orientado por dados usada em linhas de produção industriais.
Este desafio aprimora
- neural-networks
- data-augmentation
- feedforward-networks
MLOps Engineer
A entrega de um pipeline de treinamento reprodutível e um plano de implantação prepara o estudante para as rotinas de operacionalização de modelos que um MLOps Engineer conduz no dia a dia.
Este desafio aprimora
- pytorch-or-tensorflow
- neural-networks
- data-augmentation
Só mais uma coisa