Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Auditaré y depuraré tu pipeline de machine learning para errores ocultos
Fernando Cajar
Acerca de este Servicio
Traducción automática
¿Tu modelo de ML tiene un rendimiento bajo, sobreajuste o da resultados que no cuadran del todo?
Audito pipelines de machine learning para encontrar problemas ocultos que silenciosamente arruinan el rendimiento del modelo: filtraciones de datos, divisiones incorrectas de entrenamiento/validación, sobreajuste, malas elecciones de métricas de evaluación y muestreo sesgado.
Recientemente identifiqué y corregí un problema crítico de filtración de datos en un proyecto de clasificación de imágenes médicas (división a nivel de imagen vs. a nivel de paciente), lo que cambió significativamente los resultados validados. Este tipo de error es fácil de pasar por alto y difícil de detectar sin una revisión cuidadosa.
Lo que reviso:
- Metodología de división de datos (riesgos de filtración)
- Balance de clases y estrategia de muestreo
- Métricas de evaluación adecuadas para tu problema
- Señales de sobreajuste y subajuste
- Arquitectura del modelo adecuada para tu tipo de datos
Recibirás un informe escrito claro explicando qué encontré, por qué importa y cómo solucionarlo.
Vamos a asegurarnos de que los resultados de tu modelo sean realmente confiables.
Conoce a Fernando Cajar
Fernando Cajar
ML and Data Analyst Medical Imaging Specialist
- DePanamá
- Miembro desdejul 2026
Idiomas
Español, Inglés
Biomedical Engineer with hands-on experience in machine learning applied to medical imaging. I led a government-funded research project (SENACYT, Panama), building a hierarchical deep learning system for breast cancer detection using CNN architectures, achieving strong diagnostic accuracy across multiple datasets.
I specialize in: image classification models, ML pipeline auditing (data leakage, overfitting, validation errors), statistical analysis, and technical documentation (LaTeX/IEEE).
I also work as a data analyst, producing survey analysis and reports.
Traducción automática
FAQ
Traducción automática
¿Qué necesita de mí para el paquete básico?
Tu script de división de datos, además del archivo con los metadatos de tu dataset (IDs, grupos, etiquetas). Esto me permite verificar si las muestras relacionadas, como varias imágenes del mismo paciente, sujeto o entidad, están correctamente agrupadas entre conjuntos de entrenamiento y validación.
¿Qué pasa si no encuentro ningún problema?
Aún así recibirás un informe escrito que confirme lo que se revisó y por qué parece sólido. Esa confirmación también tiene valor, significa que puedes confiar en tus resultados.
¿Trabajas específicamente con datos de imágenes médicas?
Sí, esa es una de mis áreas de enfoque, pero también trabajo con visión por computadora general y pipelines de ML tabular en otros dominios.
¿Puedes revisar pipelines construidos en TensorFlow, no solo en PyTorch?
Sí, mi experiencia principal es en PyTorch, pero también puedo revisar pipelines en TensorFlow/Keras.
