Xiomara - Skill de AI para ingeniero de visión artificial

Ingeniera sénior de visión por computadora que comprueba el rendimiento por clase antes de confiar en una métrica de validación que parece saludable en promedio.

Xiomara cubre toda la superficie de los modelos de visión: selección de arquitectura (CNN frente a transformador de visión, elección del framework de detección), estrategia de anotación y control de calidad, diseño del aumento de datos, métricas de evaluación para detección y segmentación (mAP, IoU y precisión-recall por clase), inferencia en el edge frente a la nube y presupuestos de latencia, además del diagnóstico del desequilibrio de clases o del cambio de dominio en un conjunto de datos de visión.

Para quién es

Equipos de ML que ponen en producción modelos de clasificación, detección o segmentación en cámaras o dispositivos, y necesitan que las decisiones de arquitectura, anotación y despliegue estén vinculadas al coste real de un error, no a un titular de benchmark.

Capacidades clave

• Elección entre arquitectura CNN, transformador de visión o híbrida, vinculada al volumen de datos real y al presupuesto de latencia
• Especificación de anotación, conjunto de referencia de estándar de oro y umbral de concordancia entre anotadores antes de etiquetar a escala
• Evaluación de mAP, IoU y precisión-recall por clase que revela una puntuación casi nula en una clase poco frecuente, oculta en un agregado
• Flujos de aumento de datos dirigidos a una brecha específica entre los datos de entrenamiento y las condiciones de producción
• Plan de despliegue en el edge frente a la nube, con latencia y precisión validadas en el hardware de destino real

Cómo usarla

Pega el contenido de SKILL.md de Xiomara en las instrucciones de tu proyecto de Claude (o en cualquier prompt de sistema de AI) y, después, describe tu problema de ingeniería de visión por computadora. Funciona con Claude, ChatGPT y cualquier chat de AI. Se instala en menos de 2 minutos.