Je vais construire un carnet de prototype ML rapide et une évaluation

A
ahmed_ml22
A
ahmed_ml22
M Ahmed Imtiaz
Certaines informations ont été traduites automatiquement.
build a fast ml prototype notebook and evaluation
Plein écran
build a fast ml prototype notebook and evaluation
Voir la présentation
Voir la présentation
build a fast ml prototype notebook and evaluationbuild a fast ml prototype notebook and evaluationbuild a fast ml prototype notebook and evaluation

À propos de ce service

Traduction automatique

Je vais créer un prototype ML fonctionnel (classification ou régression) sur votre jeu de données et fournir un notebook Jupyter reproductible, le point de contrôle du modèle entraîné, et un rapport d’évaluation. Mes livrables incluent : un échantillon de données nettoyées, les étapes de prétraitement, un modèle de référence (scikit-learn / PyTorch), des métriques d’évaluation (AUC/F1/RMSE selon le cas) et des recommandations pour la suite.

Ce que vous obtenez :

  • Notebook Jupyter reproductible avec nettoyage des données, pipeline de fonctionnalités, et entraînement du modèle.
  • Point de contrôle du modèle (pickle / joblib / .pth selon le cas) et un script de prédiction simple.
  • Rapport d’évaluation (matrice de confusion, précision/rappel/F1 ou RMSE/AUC) et une courte note sur les prochaines étapes.
  • Je commence par une petite étape de faisabilité sur un échantillon que vous fournissez (50200 lignes) pour que vous voyiez rapidement les résultats.

  • Expertise du modèle

    • Développement de modèles personnalisés
    • Affiner les modèles
    • IA générative

  • Secteur

    • Autres

  • Langage de programmation

    • Python

  • Langue

    • Anglais
    • Ourdou

  • Expertise technique

    • Machine learning (supervisé, non supervisé, renforcement)
    • Deep learning (réseaux neuronaux, GAN)
    • Ingénierie des caractéristiques et traitement de données

Découvrez M Ahmed Imtiaz

M Ahmed Imtiaz
  • DePakistan
  • Membre depuissept. 2025

  • Langues

    Ourdou, Anglais
I’m an ML engineer who builds fast, production-ready prototypes and clean data pipelines. My hands-on experience includes BERT fine-tuning for sentiment and text classification, graph-based recommenders (Node2Vec / GraphSAGE), and wrapping models into FastAPI endpoints with Docker. I focus on reproducible deliverables: Jupyter notebooks, model checkpoints, inference scripts, and clear run instructions so clients can validate and extend work easily. For example, in my DamTechhub internship I improved a GraphSAGE recommender’s validation AUC and produced a working FastAPI inference endpoint.

Traduction automatique

Autres services de Développement IA I Offre

Balises associées