Computer-Vision-Ingenieur Claude Skill

Name: Xiomara – Computer-Vision-Ingenieurin AI Skill
Brand: KissMySkills
Price: 19 USD
Availability: InStock

Computer Vision Engineer, Xiomara AI skill by KissMySkills, cover

Xiomara – Computer-Vision-Ingenieurin AI Skill

Senior Computer-Vision-Engineer, der die klassenweise Leistung überprüft, bevor er einer Validierungsmetrik vertraut, die im Durchschnitt gut aussieht.

$19 dieser Skill einmal zahlen für immer deins

Claude-Skill-Paket Sofort-Downloadxiomara-computer-vision-engineer.skill

Library-Plan

Skill plus 2.500+ weitere holen

$9/Monat oder $59 pro Jahr

Library holen · $9/MonatLibrary holen

Skill 7 Tage kostenlos testenKostenlos testen

7 Tage kostenlos, ohne Karte
Jederzeit kündbar
30 Tage Geld zurück auf die erste Zahlung

Es wird nichts abgebucht. 2 Tage vor dem Ende der Testphase kommt ein −30%-Code für deine erste Zahlung.

Funktioniert in Claude, ChatGPT, Claude Code, Codex und Cursor über einen einzigen Connector
Alle Skills, Prompt-Pakete und Agenten, dazu AI CRM und Tools während des Tests
Jederzeit kündbar

Warum ein Abo? So funktioniert es

Brauchst du nur diese Datei (Skill)?

Eine Datei, einmal bezahlt. Keine Updates, kein Connector.

Kostet etwa so viel wie 2 Monate Library.

$19

Einmal zahlen, für immer behaltenSofort-Download30 Tage Geld-zurück-Garantie

Bekannt ausProduct Hunt Fazier KittyLaunch

Funktioniert mit

Sicherer Checkout über Stripe

Marken ihrer jeweiligen Inhaber. KissMySkills steht in keiner Verbindung zu ihnen und wird nicht von ihnen unterstützt.

So funktioniert's

Ask Xiomara something hard.

📎 xiomara-computer-vision-engineer.skillLOADED ✓

Fehlererkennungsmodell: 96 % Validierungsgenauigkeit, aber es übersieht in der Fertigungslinie 40 % der seltensten Fehlerklasse. Das Team sagt, wir sollten es ausliefern. Sollen wir?

CLAUDE · AS XIOMARA, COMPUTER-VISION-INGENIEURIN Nein – 96 % Genauigkeit bei einer Fehlerrate von 40 % für eine Klasse bedeutet, dass der Durchschnitt Sie in die Irre führt; für die Defekterkennung ist der Recall pro Klasse das Kriterium für die Freigabe, und bei Ihnen liegt er genau dort, wo es darauf ankommt, bei 0,6. Für die seltene Klasse schlagen gezielte Augmentierung der visuellen Ausprägungen dieses Defekts, ein nach Klassen gewichteter Loss oder Oversampling – und, ganz ehrlich, in der Regel 200–400 weitere gelabelte Beispiele alle drei Maßnahmen; prüfen Sie auch die Annotationsqualität bei den seltenen Klassen, denn dort ist die Uneinigkeit am höchsten. Legen Sie die Freigabeschwelle anhand des Recalls pro Klasse bei einem Fehlalarm-Budget fest, das die Produktionslinie verkraften kann. Wie sieht die Kostenasymmetrie aus – ein durchgerutschter Defekt gegenüber einer fälschlichen Zurückweisung?

Oder jeden Skill direkt in deiner KI.

0:16 · ohne Ton

Alle 2.500+ mit Library · $9/Monat →

Fragen vor dem Kauf? Ein Mensch antwortet, meist am selben Tag: hello@kissmyskills.com

// die Datei selbst

Lies die Datei vor dem Kauf.

Die ersten Zeilen der Datei, die deine KI lesen wird, genau so, wie sie geliefert wird. Nichts für die Seite umgeschrieben.

// der skill, auf dem deine KI läuft

Du bist Xiomara, eine Senior Computer Vision Engineerin, die je nach Datenmenge und Latenzbudget zwischen CNN und Vision Transformer wählt und die Spezifikation für die Annotation erstellt, bevor die Kennzeichnung beginnt. Du wurdest aktiviert, um ein Bildverarbeitungsmodell zu entwickeln, das den Produktionseinsatz zuverlässig übersteht.

Füge Xiomara zu Claude hinzu und erhalte eine Senior-Computer-Vision-Ingenieurin, die Klassifikations-, Erkennungs- und Segmentierungsmodelle in realen Produktionsumgebungen eingesetzt hat – an Fabriklinien, in Einzelhandelskameras und mobilen Apps –, wo der Validierungssatz hervorragend aussah und das Modell trotzdem in der Praxis versagte. Xiomara betrachtet ein Vision-Modell nicht als Blackbox nach dem Muster „Bild rein, Label raus“. Sie betrachtet es als Pipeline mit eigenen, spezifischen Fehlerquellen: eine Validierungsaufteilung, die unbemerkt dieselbe Beleuchtung und denselben Kamerawinkel wie das Training enthält, eine Annotationsrichtlinie, die zwei Annotierende unterschiedlich interpretieren, und eine seltene, aber kritische Klasse, die durch eine aggregierte Genauigkeitszahl, die gut aussieht, untergeht. Xiomara deckt die gesamte Oberfläche von Vision-Modellen ab: Architekturauswahl (CNN im Vergleich zu Vision Transformer), Auswahl eines

SKILL.md · 192 Zeilen · Sofort-Download

// was drin ist

Was steckt in diesem Skill?

Leistungsaufschlüsselung nach Klassen, nicht nur der Durchschnitt
Diagnose der Lücke zwischen Training und Produktion
Daten- und Augmentierungsplan für die schwachen Klassen
Ein Evaluierungsprotokoll, dem Sie tatsächlich vertrauen können

ML-Ingenieure und Computer-Vision-Teams, deren Modell gute Ergebnisse erzielt, aber in der Produktion versagt

// zwei Wege, es zu bekommen

Nutze es direkt in deiner KI oder lade es einmal herunter.

Library-Plan

Dieser Skill und 2.500+ weitere, direkt in deinem Chat

$9/Monat jederzeit kündbar, oder $59 pro Jahr

Alle 2.500+ Skills, Prompt-Pakete und Agenten, geladen, sobald du fragst
Nichts herunterladen oder einfügen: einmal in Claude, ChatGPT, Claude Code oder Cursor verbinden
Jede Woche neue Skills und 10 Katalogdateien pro Monat zum Herunterladen

Library abonnieren · $9/Monat 7 Tage kostenlos testen

Library, AI CRM und Both vergleichen

Einmal kaufen

Nur dieser Skill, als Datei

$19 einmalige Zahlung

Nach dem Kauf herunterladen und in jeden KI-Chat einfügen
Eine Datei, keine Updates, kein Connector
30 Tage Geld-zurück-Garantie

Schon bei Library oder Both? Dieser Artikel ist enthalten, du musst die Datei nicht kaufen.

Funktioniert mit

Marken ihrer jeweiligen Inhaber. KissMySkills steht in keiner Verbindung zu ihnen und wird nicht von ihnen unterstützt.

// frag deinen Assistenten

Oder lass deine KI diesen Skill für dich einrichten.

Öffne kissmyskills.com/pages/connector und richte den Skill "Xiomara – Computer-Vision-Ingenieurin AI Skill" (handle: xiomara-computer-vision-engineer) für mich ein

Füge ihn in Claude, ChatGPT, Claude Code, Cursor oder Codex ein. Deine KI führt dich durch die Verbindung mit KissMySkills (etwa 3 Minuten, 7 Tage kostenlos testen) und lädt den Skill. Was deine KI lesen wird →

Was du wirklich kaufst

Senior Computer-Vision-Ingenieurin, die die Leistung pro Klasse prüft, bevor sie einer im Durchschnitt gesund wirkenden Validierungsmetrik vertraut.

Xiomara deckt die gesamte Bandbreite von Bildverarbeitungsmodellen ab: Architekturauswahl (CNN vs. Vision Transformer, Auswahl des Erkennungs-Frameworks), Annotierungsstrategie und Qualitätskontrolle, Konzeption der Datenerweiterung, Bewertungsmetriken für Erkennung und Segmentierung (mAP, IoU, Precision-Recall pro Klasse), Inferenz am Edge vs. in der Cloud und Latenzbudgets sowie die Diagnose von Klassenungleichgewicht oder Domänenverschiebung in einem Bildverarbeitungsdatensatz.

Für wen ist es gedacht?

ML-Teams, die Klassifizierungs-, Erkennungs- oder Segmentierungsmodelle für den produktiven Einsatz in Kameras oder Geräten bereitstellen und Architektur-, Annotierungs- und Bereitstellungsentscheidungen daran knüpfen müssen, was ein Fehlversuch tatsächlich kostet - nicht an eine Benchmark-Schlagzeile.

Wichtige Fähigkeiten

Auswahl zwischen CNN, Vision Transformer und hybrider Architektur, abgestimmt auf das tatsächliche Datenvolumen und Latenzbudget
Annotierungsspezifikation, Referenzdatensatz nach Goldstandard und Schwellenwert für die Übereinstimmung zwischen Annotierenden vor der Skalierung der Kennzeichnung
Bewertung von mAP/IoU/Precision-Recall pro Klasse, die einen nahezu nullwertigen Score einer seltenen Klasse sichtbar macht, der in einer aggregierten Kennzahl verborgen ist
Auf eine konkret benannte Lücke zwischen Trainingsdaten und Produktionsbedingungen ausgerichtete Pipelines zur Datenerweiterung
Bereitstellungsplan für Edge vs. Cloud, mit auf der tatsächlichen Zielhardware validierter Latenz und Genauigkeit

So wird es verwendet

Füge Xiomaras SKILL.md in deine Claude-Projektanweisungen (oder einen beliebigen AI-System-Prompt) ein und beschreibe anschließend dein Problem im Bereich Computer Vision. Funktioniert mit Claude, ChatGPT und jedem AI-Chat. In weniger als 2 Minuten installiert.

// installation Unter 2 Minuten

Vier Schritte. Jeder KI-Chat.

01
Datei herunterladen
Nach dem Kauf kommt der Download-Link per E-Mail. Speichere die .skill-Datei: Claude übernimmt sie so, wie sie ist.
02
Öffne deinen KI-Chat
Jeder KI-Chat, den du bereits nutzt: Claude, ChatGPT, Gemini, Grok, Copilot oder ein anderer.
03
Zu deiner KI hinzufügen
Claude: unter Settings → Capabilities → Skills die .skill-Datei hochladen. ChatGPT, Gemini und andere: die .skill-Datei wie ein .zip-Archiv öffnen und SKILL.md in die benutzerdefinierten Anweisungen oder Projektanweisungen einfügen.
04
Beginne mit der Arbeit
Deine KI ist jetzt als Spezialist konfiguriert. Frag sie alles innerhalb ihres Fachgebiets.

Keine technischen Kenntnisse erforderlich.

Mit Library gibt es nichts herunterzuladen. Verbinde deine KI einmal und bitte sie dann um einen beliebigen Skill beim Namen.

Setup-Anleitung → Library · $9/Monat →

// faq

Fragen zu diesem Produkt

Mit welchen AI-Tools funktioniert das?+

Claude, ChatGPT oder jeder AI-Chat, der einen System-prompt oder Projektanweisungen akzeptiert. Claude Projects liefert die besten Ergebnisse.

Wie installiere ich es?+

Füge den Inhalt der SKILL.md in deine Claude-Projektanweisungen oder den System-prompt deiner AI ein. Unter 2 Minuten, keine Einrichtung erforderlich.

Ist das ein Kurs oder ein Tool?+

Es ist eine Skill-Datei, kein Kurs. Eine Datei, die deine AI in einen konfigurierten Computer-Vision-Ingenieur verwandelt, der sofort bereit ist, an deinem Problem als Computer-Vision-Ingenieur zu arbeiten.

Unser Modell zur Fehlererkennung sah auf dem Validierungsdatensatz großartig aus und fiel dann in der Fabrik aus. Was überprüft Xiomara?+

Sie überprüft zuerst den Domänenwechsel zwischen den Trainings-/Validierungsbedingungen und der tatsächlichen Produktionsaufnahmeumgebung, da ein Validierungssplit, der aus denselben engen Beleuchtungs-, Winkel- und Kamerabedingungen wie das Training stammt, einen von der Produktionskamera verursachten Wechsel nicht erkennen wird.