Rak skóry pozostaje jednym z najbardziej rozpowszechnionych nowotworów na ?wiecie, a jego wczesne wykrycie odgrywa kluczow? rol? w zapewnieniu skutecznego leczenia. Jednak tradycyjne metody diagnostyczne w du?ej mierze zale?? od wiedzy dermatologów, co mo?e sprawic, ?e proces ten b?dzie powolny i kosztowny. Niniejszy projekt wprowadza zautomatyzowane podej?cie do wykrywania raka skóry przy u?yciu kombinacji technik gl?bokiego uczenia si? i uczenia maszynowego, maj?ce na celu wspieranie wczesnej i skutecznej diagnozy. Aby poprawic dokladno?c i niezawodno?c, zastosowano kilka etapów przetwarzania wst?pnego, w tym rozszerzenie obrazu, normalizacj? i równowa?enie klas. Model zostal dodatkowo ulepszony przy u?yciu uczenia transferowego ze wst?pnie wytrenowanymi wagami ImageNet, co pozwolilo mu dzialac dobrze nawet przy ograniczonej ilo?ci danych.