Je vais créer un modèle d'apprentissage automatique personnalisé

Je crée des solutions de Machine Learning et Deep Learning en utilisant Python pour transformer vos données brutes en prédictions précises et systèmes intelligents.

Ma pile principale : XGBoost, Random Forest, Scikit-learn pour les modèles de prédiction, et YOLOv8 avec OpenCV pour la vision par ordinateur en temps réel et la détection d’objets.

Travail récent : AsteroidWatch, un système de prédiction des risques d’astéroïdes en temps réel construit avec 5 API de la NASA, entraîné sur 38 573 enregistrements avec XGBoost et SMOTE pour gérer les données déséquilibrées, en privilégiant un rappel élevé pour minimiser les risques manqués, une approche sécurité d’abord plutôt que de simplement viser la précision.

Ce que je propose :

Nettoyage des données et ingénierie des caractéristiques

Gestion des jeux de données déséquilibrés (SMOTE, pondération des classes)

Entraînement et évaluation de modèles ML (XGBoost, Random Forest)

Deep Learning et détection d’objets (YOLOv8, OpenCV)

Rapports de performance clairs (précision, rappel, matrice de confusion)

Déploiement optionnel en tant qu’application web Streamlit en direct

Démonstration en direct : asteroidwatch-v2o.streamlit.app

Transformons vos données en prédictions auxquelles vous pouvez réellement faire confiance.