Repositorio con dos bloques de trabajo: un pipeline de clasificación multiclase de radiografías torácicas (COVID-19, Neumonía, Normal) y un conjunto de experimentos complementarios de aprendizaje supervisado.
Maestría en Inteligencia Artificial · Universidad Politécnica Metropolitana de Hidalgo
| Proyecto | Descripción | Documentación |
|---|---|---|
| Clasificación de radiografías respiratorias | Comparación de 8 algoritmos (deep learning y ML clásico) sobre 3,141 imágenes | chest-xray-classification |
| Experimentos complementarios | Árboles de decisión, bosques aleatorios, Naive Bayes, análisis de precios | other-supervised-models |
| Modelo | Accuracy | AUC-ROC |
|---|---|---|
| YOLOv8-cls | 0.9767 | 0.9980 |
| ResNet50 (transfer learning) | 0.9746 | 0.9973 |
| MLP | 0.9682 | 0.9930 |
Las cifras completas, incluido el desempeño por clase, están en el README del proyecto de radiografías.
Supervised-Learning/
├── README.md
├── requirements.txt
├── .gitignore
├── chest-xray-classification/
│ ├── README.md
│ ├── notebooks/
│ ├── src/
│ ├── reports/
│ └── models/
└── other-supervised-models/
├── README.md
└── comp_pred/
- Semilla fija
SEED = 42en todos los procesos aleatorios. - Las dependencias con versiones fijadas se encuentran en
requirements.txt. - El dataset no se incluye en el repositorio. Su ruta se configurará mediante variables de entorno en una fase posterior.
- Los pesos entrenados (
.keras,.pkl,.pt) se excluyen por tamaño.