Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je réaliserai des modèles avancés d'apprentissage automatique et des projets de science des données en python
La satisfaction du client est ma priorité absolue.
Je suis un analyste de données et spécialiste en apprentissage automatique avec une expertise en statistiques appliquées, analyse exploratoire de données et modélisation prédictive en Python.
J'aide ...
À propos de ce service
Vous cherchez un expert en apprentissage automatique avancé, classificateurs Bayes et évaluation de la performance des modèles ? Vous êtes au bon endroit !
Je me spécialise dans la construction, l'analyse et l'optimisation de modèles complexes d'apprentissage automatique en utilisant Python, Scikit-Learn, SciPy et NumPy.
Ce que je propose :
- Classificateur Bayes & Analyse de Probabilités : Calculs de probabilités jointes, distributions normales multivariées, covariance et cartographie des régions de décision.
- Précision et évaluation du modèle : Comparaison approfondie de la précision en resubstitution (entraînement), validation croisée à 10 plis et précision réelle sur le test.
- Implémentation d'algorithmes : Analyse discriminante linéaire (LDC), 1-NN, arbres de décision, SVM, bagging et forêts aléatoires.
- Solutions pour le déséquilibre de classes : Analyse du triangle de données déséquilibrées, évaluation de l'entropie et resampling avec SMOTE / imbalanced-learn.
- Science des données en Python : Jupyter Notebooks, visualisation claire (Matplotlib, Seaborn) et rapports théoriques détaillés.
Pourquoi me choisir ?
- Solutions mathématiquement rigoureuses et précises
- Code Python bien documenté
- Travail 100% original adapté à vos directives
_uj5yw6.jpg)
Expertise:
Classification
•
regroupement
•
Arbres de décision
Langage de programmation:
Python
Frameworks:
Scikit-learn
•
Panda
Outils:
Jupyter Notebook
Mon portfolio
FAQ
Traduction automatique
Quelles bibliothèques et outils ML utilisez-vous ?
J'utilise principalement Python avec des bibliothèques standards telles que Scikit-Learn, SciPy, NumPy, Pandas, Matplotlib, Seaborn et imbalanced-learn pour la modélisation et la visualisation des données.
Fournissez-vous le code source complet et la documentation ?
Oui ! Vous recevrez un code Python propre et commenté (Jupyter Notebook ou fichiers .py) ainsi que des rapports structurés expliquant les résultats et la méthodologie.
Pouvez-vous gérer des jeux de données déséquilibrés ?
Absolument. J'applique des techniques avancées telles que le suréchantillonnage SMOTE, la pondération des classes et des métriques d'évaluation spécialisées (F1-score, Précision, Rappel) pour gérer efficacement le déséquilibre des classes.
Comment évaluez-vous et validez-vous les modèles ?
Je réalise des évaluations de performance rigoureuses en comparant la précision en entraînement/resubstitution, la validation croisée à $k$ plis et la précision sur le test avec plusieurs algorithmes comme les classificateurs Bayes, SVM, arbres de décision et ensembles.
