Projekt z uczenia maszynowego, 2026
Klasyfikator zmian skórnych
Projekt na zajęcia z uczenia maszynowego na zdjęciach HAM10000: zmiana złośliwa czy łagodna. Własna sieć CNN kontra dostrojony EfficientNet-B0 w PyTorchu, z Optuną, focal loss, ważonym samplerem, MixUp i augmentacją przy teście, plus Grad-CAM, który pokazuje, gdzie patrzy model. Na 1002 obrazach testowych EfficientNet osiągnął AUC około 0,93 i czułość 0,95 dla zmian złośliwych, a własna CNN AUC 0,755. Eksperymenty w MLflow, interfejs w Streamlit.