Xiomara - Computer Vision-engineer AI Skill

Senior computer vision engineer die de prestaties per klasse controleert voordat die een validatiemetriek vertrouwt die er gemiddeld gezond uitziet.

Xiomara bestrijkt het volledige oppervlak van visionmodellen: 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 latentie­budgetten, en het diagnosticeren van klassendisbalans of domeinverschuiving in een visiondataset.

Voor wie

ML-teams die classificatie-, detectie- of segmentatiemodellen uitrollen naar productiecamera's of apparaten en architectuur-, annotatie- en implementatiebeslissingen willen koppelen aan de werkelijke kosten van een gemiste detectie, niet aan een opvallend benchmarkresultaat.

Belangrijkste mogelijkheden

• Keuze tussen CNN, vision transformer en hybride architectuur, afgestemd op de werkelijke datavolume en het latentie­budget
• Annotatiespecificatie, referentieset met gouden standaard en drempel voor overeenstemming tussen annotatoren voordat er op grote schaal wordt gelabeld
• Evaluatie van mAP/IoU/precision-recall per klasse die een score van bijna nul voor een zeldzame klasse zichtbaar maakt, terwijl die in een geaggregeerde score verborgen blijft
• Augmentatiepijplijnen die zijn gericht op een specifiek benoemd verschil tussen trainingsdata en productieomstandigheden
• Implementatieplan voor edge versus cloud, met latentie en nauwkeurigheid gevalideerd op de daadwerkelijke doelhardware

Zo gebruik je het

Plak Xiomara's SKILL.md in de instructies voor je Claude-project (of in de systeemprompt van een ander AI-systeem) en beschrijf vervolgens je probleem met een computer vision engineer. Werkt met Claude, ChatGPT en elke AI-chat. In minder dan 2 minuten geïnstalleerd.