Reto Matchmaking

Objetivo del proyecto

El desafío consiste en aplicar y optimizar un modelo de aprendizaje profundo para el control de aforo a partir de imágenes aéreas capturadas por drones, logrando conteo y estimación de densidad precisos en tiempo real. La optimización debe priorizar tanto la exactitud como la eficiencia computacional para su despliegue en Edge (CPU/GPU limitadas y batería), con latencias <1–2 s, funcionamiento “offline-first”, y mecanismos de degradación gradual (bajar FPS, cambiar a modelos ligeros) sin perder continuidad operativa.

Este objetivo principal puede acompañarse de tareas secundarias soportadas por otros modelos específicos: detección de objetos (p. ej., vehículos u obstáculos), segmentación de áreas para clasificar zonas libres/ocupadas y análisis de flujo para anticipar congestiones, integrando todos los resultados en indicadores operativos que faciliten decisiones rápidas y basadas en datos.

Objetivos técnicos:

·       Adquisición de datos: identificar y recopilar conjuntos de datos de fuentes públicas y/o de pago hasta alcanzar la cantidad y diversidad necesarias para desarrollar la solución de ML.

·       Aplicación de Aprendizaje Profundo: Desarrollar o adaptar un algoritmo de aprendizaje profundo para la detección y conteo precisos de personas en imágenes aéreas.

·       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.

·       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.

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 implementación para sistemas de bajas prestaciones

Información de interés

El proyecto se distribuirá temporalmente del siguiente modo: ·       Semana 1-2: Familiarización con el conjunto 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.