Notebooks

Este trabajo se organizó en base a varios notebooks de Jupyter, cada uno de los cuales contiene experimentos y resultados relacionados con el proyecto. Los notebooks están diseñados para ser ejecutados de manera secuencial, permitiendo reproducir los experimentos y analizar los resultados, siguiendo la plantilla recomendada según los autores de cookiecutter-data-science.drivendata.org.

Lista de notebooks

1. Exploración de datos:

   • 1 - Exploración de datos

2. Entrenamiento de modelos:

   • 1 - Swin Transformer V2
   • 2 - Convolutional Vision Transformer
   • 3 - Vit Base
   • 4 - Yolo V11

3. Análisis de resultados:

   • 1 - Análisis de resultados