Crearé un modelo de CV para segmentación de imágenes usando pytorch
Científico de datos e ingeniero de ML que construye sistemas de IA y deep learning en producción
Acerca de este Servicio
La mayoría de los freelancers de visión por computadora te entregan un cuaderno que funciona en su máquina. Yo te entrego una línea de producción que funciona en la tuya.
Soy asistente de investigación en la Universidad de Punjab Lahore, donde desarrollé un sistema de detección de células cancerígenas en láminas de histopatología usando CellViT++ y aprendizaje profundo. Manuscrito en preparación para envío a revista.
LO QUE PUEDO CREAR PARA TI
Clasificación de imágenes y detección de objetos
Segmentación de imágenes (U-Net, SegFormer)
Análisis de imágenes médicas (histopatología, rayos X, MRI, CT)
Procesos de detección y conteo de células
Visualizaciones de explicabilidad Grad-CAM
Despliegue con FastAPI + contenedores Docker
TECNOLOGÍAS
PyTorch · OpenCV · U-Net · SegFormer
CellViT++ · YOLO · FastAPI · Docker
Streamlit · albumentations · MONAI
CÓMO EMPEZAR
Envíame un mensaje con:
1. Tus imágenes o conjunto de datos
2. Qué quieres detectar o segmentar
3. Tu plazo
Recomendaré el paquete adecuado antes de que hagas tu pedido.
Colaboraciones en investigación y en imágenes médicas son bienvenidas.
API:
Otros
Lenguaje de programación:
Python
•
R
•
MATLAB
•
SQL
Herramientas:
Jupyter Notebook
•
opencv
•
TensorFlow
•
MLflow
•
PyTorch
Marcos:
Scikit-learn
•
SimpleCV
•
keras
•
PyTorch
•
Panda
Mi porfolio
Otros servicios de Ciencia de datos y aprendizaje automático que ofrezco
FAQ
Traducción automática
¿Por qué no usar solo un modelo gratuito de Hugging Face?
Los modelos preentrenados necesitan ajuste fino en tus datos, evaluación en tus clases y una API desplegable. Yo manejo toda la línea de producción — entrenamiento, métricas y endpoint en FastAPI. Eso es por lo que pagas, no por el modelo base.
¿Tienes experiencia con imágenes médicas o científicas?
Sí. Trabajé como asistente de investigación, desarrollando un modelo de detección de células cancerígenas en láminas de histopatología usando CellViT++. Manuscrito en preparación. Aplico la misma metodología de nivel investigación en cada proyecto.
¿Qué exactamente recibo al entregar?
Pesos del modelo, código fuente completo, informe de rendimiento (IoU/Dice/AUC), README y visualizaciones Grad-CAM. Las versiones estándar y premium incluyen endpoint en FastAPI. La versión empresarial añade Docker y despliegue en la nube. Sin cajas negras.
No tengo un conjunto de datos etiquetado, ¿aún puedes ayudar?
Sí. Puedo buscar un conjunto de datos público adecuado y adaptarlo mediante transferencia de aprendizaje. Si tus datos son únicos, te aconsejaré sobre la estrategia de etiquetado y construiré en base a lo que proporciones. Primero envíame un mensaje para confirmar el enfoque.
¿Qué pasa si el modelo no funciona lo suficientemente bien?
Defino la métrica objetivo por escrito antes de comenzar. Las revisiones están incluidas en todos los paquetes para ajuste y tuning. Si tus datos no soportan la meta, te lo diré durante la planificación, no después de la entrega.

