Python

Introdución Como definimos o que fai a dous ciclistas similares? Neste proxecto, analicei datos do pelotón profesional para construír un sistema de recomendación de ciclistas. Utilizando técnicas de limpeza de datos e métricas de distancia vectorial, logrei identificar que corredores comparten perfís de rendemento similares, independentemente do seu equipo ou nacionalidade. Proceso de Desenvolvemento O proxecto centrouse en transformar datos tabulares crus en perfís de rendemento comparables. 1. Recolección de Datos Os datos obtivéronse de fontes públicas, concretamente tras unha procura exhaustiva, decidiuse utilizar os proporcionados en Cycling Oracle ...

Introdución Neste proxecto, o obxectivo era crear unha solución integral para a xestión e visualización de datos xeospaciais. para isto era necesario desenvolver un visor capaz de monitorizar a posición de gando en relación cos límites de diferentes fincas, permitindo o filtrado e visualización dinámica dos datos. Arquitectura do Sistema O sistema divídese en tres capas fundamentais que garanten un fluxo de datos eficiente: 1. Preprocesamento (Data Engineering) Utilizamos unha contorna de Jupyter Notebooks (preprocess.ipynb) para limpar e transformar os datos crus (cows_pos.csv e fincas.json). Aquí normalizamos as coordenadas, realizamos cruces espaciais e preparamos o dataset para o seu consumo. ...

Obxectivo Desenvolver un método computacional que permita: Segmentar as estradas existentes nunha imaxe de entrada. É dicir, dada unha imaxe aérea, proporcionar unha máscara binaria cos píxeles de estrada a 1 e o resto a 0. Para un conxunto de imaxes de proba, proporcionar un conxunto de métricas de avaliación cuantitativa da segmentación apropiadas para a aplicación obxectivo, usando o ground truth correspondente. Esquema do traballo Cargar as imaxes de entrada e cada ground truth. ...