Equipo: Pedro Tavares, Toni Vila, Carlos Cejas y Carlos Huguet.
Tutor: Javier de la Rosa
En este trabajo evaluamos un conjunto de arquitecturas de Computer Vision para clasificar fotos obtenidas de redes sociales, permitiendo su uso en webs y apps.
Trás iterar distintas arquitecturas (CNN y ViT) se usó Transfer Learning para tunear un modelo ResNet, alcanzando un accuracy del 97,2% en validación.
1_Setup_MLOps --> Script de arranque del contenedor Docker, notebooks para extraer el dataset y configurar los experimentos en MLflow Tracking.
2_EDA --> Notebooks para análisis exploratória del dataset.
3_Preparacion --> Notebooks y scripts Python para creación de multiples sub datasets, con distintas características y formatos.
4_Modelacion --> Notebooks y scripts para entrenamento de Redes Neuronales.
5_Productivizacion --> Aplicaciones web para demostración del proceso de etiquetado automático.
datasets --> Carpeta para ficheros de datos usados en los notebooks y scripts Python.
img --> Imágenes usadas en este README.