Je vais construire un modèle d'apprentissage automatique en ensemble, analyse statistique

Je vous aide à transformer des données brutes en un chapitre d’analyse finalisé et solide.

Les projets passés incluent l’évaluation de l’accord entre plusieurs évaluateurs (kappa de Cohen), la construction

et la comparaison de modèles d’apprentissage automatique (forêt aléatoire, gradient boosting,

régression logistique, SVM, et modèles en ensemble), ainsi que l’explication de ce qu’un modèle

fait réellement en utilisant SHAP.

Ce que je peux vous aider à faire :

- Nettoyer et préparer votre jeu de données

- Statistiques descriptives et tests d’hypothèses

- Accord entre évaluateurs (kappa de Cohen, matrices de confusion, tableaux d’accord)

- Modèles d’apprentissage automatique avec tous les indicateurs de performance, pas seulement la précision

- Explicabilité avec SHAP, pour que vous puissiez expliquer pourquoi le modèle prédit ce qu’il prédit

- Répondre aux commentaires de votre superviseur ou examinateur avec de nouvelles expériences et

 des réponses claires et directes

- Un rapport écrit que vous pouvez intégrer à votre thèse, avec tableaux et figures

 déjà formatés

Je travaille avec Python. Je vous fournis également le code et les étapes exactes que j’ai utilisées, afin

que votre travail reste reproductible si quelqu’un le demande.

Envoyez-moi vos données et ce que votre superviseur demande, et je vous dirai

honnêtement ce qui est possible et combien de temps cela prendra.