Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais entraîner un modèle d'apprentissage profond pour votre tâche de classification d'images
Python
Spécialiste en IA clinique et apprentissage automatique avec 3 ans d’expérience en Python et recherche évaluée par des pairs publiée par Springer (2022).
Je peux vous aider avec :
- Analyse de donn...
À propos de ce service
Bonjour, je suis Ada, chercheuse en IA clinique et développeuse Python avec plus de 3 ans d'expérience professionnelle et un système d'apprentissage profond déployé basé sur de vraies données de patients (recherche publiée par Springer, 2022).
Je vais entraîner un modèle d'apprentissage profond sur votre jeu de données d'images et fournir une solution propre, documentée et utilisable, pas une boîte noire.
CE QUE JE PROPOSE :
Classification d'images (binaire ou multi-classe)
Transfer learning avec CNN pré-entraînés (ResNet, VGG, EfficientNet)
Prétraitement et augmentation des données
Optimisation des hyperparamètres
Évaluation complète (précision, rappel, F1, matrice de confusion)
Modèle entraîné exporté en PyTorch ou ONNX
Scripts d'inférence prêts à l'emploi
Notebooks Jupyter documentés que vous pouvez relancer
EXPÉRIENCE RÉELLE :
J'ai construit et déployé un système d'IA clinique pour la détection de la démence en utilisant le transfer learning VGG-19 sur environ 7000 échantillons de patients réels, en gérant le prétraitement via l'export ONNX et le déploiement mobile en C#.
POUR QUI C'EST :
- Chercheurs entraînant des modèles pour des articles ou thèses
- Startups développant des MVP de vision par ordinateur
- Étudiants avec des projets de fin d'études
- Toute personne disposant d'images étiquetées et d'un problème de classification
Contactez-moi avant de commander pour confirmer le périmètre.
Langage de programmation:
Python
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
APIs:
Autres
Outils:
Jupyter Notebook
•
opencv
•
tensorflow
•
Colab
•
RStudio
FAQ
Traduction automatique
Q1 : Quel format doit avoir mon dataset ?
A : Les dossiers d'images organisés par classe (un dossier par classe) sont les plus simples. Un fichier CSV avec les chemins d'images et les étiquettes fonctionne aussi. Je peux gérer JPG, PNG et la plupart des formats courants.
Q2 : Que faire si mon jeu de données est trop petit ?
A : Avec le transfer learning, même 100-200 images par classe peuvent donner des résultats utiles. Je serai honnête avec vous dès le départ sur les attentes réalistes pour la taille de votre dataset.
Q3 : Fournissez-vous le fichier du modèle entraîné ?
A : Oui — chaque commande inclut le modèle entraîné au format PyTorch (.pt). La version premium inclut également l'export ONNX pour un déploiement multiplateforme.
Q4 : Pouvez-vous traiter des données d'images médicales ou sensibles ?
A : Oui — j'ai une expérience directe avec des données d'images cliniques et je traite toutes les données clients de manière confidentielle. Je supprime les données dans les 7 jours suivant la fin du projet, sauf demande contraire.
Q5 : Que faire si le modèle n'atteint pas la précision souhaitée ?
A : Chaque package inclut des révisions, et je serai transparent sur ce qui est réalisable avec votre dataset. Si les résultats sont en dessous des attentes en raison de limitations du dataset, j'expliquerai pourquoi et proposerai des améliorations concrètes.
