Reto Matchmaking

Objetivo del proyecto

Realizar una prueba de concepto integral que abarque:

·       Revisión del estado del arte;

·       Adaptación del pipeline al uso de imágenes satelitales de muy alta resolución (<0,5 m)

·       Experimentación con modelos de aprendizaje profundo específicamente orientados a la detección a nivel de individuo (árbol sano vs. marra)

·       Despliegue en el entorno más adecuado para operación y escalado

Objetivos técnicos:

·       Adquisición de datos: Búsqueda de conjuntos de datos de origen satelital que permitan llevar a cabo la tarea de detección de copas individuales en parcelas de replantación delimitadas. Recolectar tanto de fuentes públicas y/o de pago la cantidad de datos necesaria en cantidad y diversidad para el desarrollo de una solución ML. 

·       Aplicación de Aprendizaje Profundo: Desarrollar o adaptar un algoritmo de aprendizaje profundo para la detección y conteo preciso de copas de árboles en regiones previamente delimitadas de imágenes satelitales.

·       Optimización del Modelo: Reducir la complejidad del modelo sin sacrificar la precisión. Esto incluye técnicas como la fusión de capas, poda de redes y cuantización. 

·       Validación y Pruebas Rigurosas: Asegurar que el modelo proporciona resultados precisos y fiables mediante una serie de pruebas y validaciones. 

·       Despliegue de la solución en el entorno que se considere más adecuado, pudiendo incluir la implementación en Hardware de Bajas Prestaciones: Asegurarse de que el modelo optimizado puede ser desplegado y ejecutado eficientemente en sistemas con recursos limitados. 

Punto de partida

·       Acceso a hardware y software para el desarrollo y prueba de modelos de IA. 

·       Asesoramiento técnico y apoyo de expertos en visión por computadora y aprendizaje profundo. 

·       Cronograma del Proyecto

Entregable final

El entregable incluirá: 

·       Los conjuntos de datos empleados en el desarrollo y validación del modelo.

·       El código del modelo de aprendizaje profundo optimizado. 

·       Documentación detallada del diseño, implementación y optimización del modelo. 

·       Un informe de pruebas y validación demostrando la precisión y eficiencia del modelo. 

·       Guía de despliegue. 

Información de interés

El proyecto se distribuirá temporalmente del siguiente modo: ·       Semana 1-2: Familiarización con el caso de uso, con los conjuntos de datos y definición de requisitos del modelo. ·       Semana 3-4: Desarrollo y entrenamiento inicial del modelo de detección. ·       Semana 5-6: Primera ronda de optimización del modelo y pruebas de eficiencia. ·       Semana 7-8: Evaluación de la precisión y ajustes adicionales del modelo. ·       Semana 9-10: Segunda ronda de optimización y pruebas en hardware de bajas prestaciones. ·       Semana 11-12: Documentación final, informe de resultados y preparación para el despliegue. NOTA IMPORTANTE de la organización del VII Matchmaking : Por motivos de disponibilidad ajenos a la organización, es probable que esta empresa no pueda realizar entrevistas durante la jornada presencial del VII Matchmaking del jueves 29 de enero de 2026. No obstante, conservará todos los CVs recibidos para esta vacante y los revisará en las semanas siguientes, para contactar directamente con las personas candidatas y continuar el proceso de selección y entrevistas por su cuenta. Disculpen las molestias.