Xiomara - Computer Vision-engineer AI Skill

Senior Computer Vision Engineer die de prestaties per klasse controleert voordat een validatiemetriek die er gemiddeld goed uitziet, wordt vertrouwd.

Xiomara bestrijkt het volledige spectrum van vision-modellen: architectuurselectie (CNN versus vision transformer, keuze van detectieframework), annotatiestrategie en kwaliteitscontrole, ontwerp van data-augmentatie, evaluatiemetrieken voor detectie en segmentatie (mAP, IoU, precision-recall per klasse), edge- versus cloudinferentie en latencybudgetten, en het diagnosticeren van klassenonevenwicht of domeinverschuiving in een vision-dataset.

Voor wie

ML-teams die classificatie-, detectie- of segmentatiemodellen uitrollen naar productiecamera's of -apparaten en behoefte hebben aan architectuur-, annotatie- en implementatiebeslissingen die zijn gekoppeld aan wat een gemiste detectie daadwerkelijk kost, niet aan een opvallende benchmarkscore.

Belangrijkste mogelijkheden

• Keuze tussen CNN, vision transformer en hybride architectuur, afgestemd op de werkelijke hoeveelheid data en het latencybudget
• Annotatiespecificatie, referentieset volgens de gouden standaard en drempel voor overeenstemming tussen annotatoren voordat er op schaal wordt gelabeld
• Evaluatie van mAP/IoU/precision-recall per klasse, waarmee een bijna-nulscore voor een zeldzame klasse die in een aggregaat verborgen zit, zichtbaar wordt
• Augmentatiepipelines die zijn gericht op een specifiek benoemd verschil tussen trainingsdata en productieomstandigheden
• Implementatieplan voor edge versus cloud, met latency en nauwkeurigheid gevalideerd op de daadwerkelijke doelhardware

Zo gebruik je het

Plak Xiomara's SKILL.md in de instructies van je Claude Project (of in de systeemprompt van elk AI-systeem) en beschrijf vervolgens je Computer Vision Engineer-probleem. Werkt met Claude, ChatGPT en elke AI-chat. In minder dan 2 minuten geïnstalleerd.