Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais concevoir un modèle de prédiction de séries temporelles avec xgboost
Développez votre entreprise avec moi !
Bonjour ! Je suis Muhamad Imran, développeur Python et analyste de données originaire de Malaisie, spécialisé en apprentissage automatique, pipelines de données, tableaux de bord Power BI et saisie de...
À propos de ce service
La plupart des modèles de machine learning ont de bons résultats sur les données d’entraînement mais échouent sur les données réelles. Je construis des modèles de prédiction XGBoost avec validation en marche avant pour que le vôtre soit réellement fiable quand cela compte.
J’ai créé un système de prédiction du prix de l’or multi-session fonctionnel, entraîné sur 7 ans de données de marché M15, avec plus de 28 fonctionnalités ingénierie, réglages avec Optuna et validation basée sur les sessions. La même rigueur est appliquée à chaque modèle que je livre.
Ce que vous recevrez :
- Nettoyage et prétraitement des données avant l’entraînement du modèle
- Ingénierie des fonctionnalités adaptée à votre jeu de données
- Modèle XGBoost entraîné avec réglages hyperparamètres via Optuna
- Validation en marche avant ou validation croisée pour éviter la fuite de données
- Rapport de performance avec MAE, RMSE et graphiques de prédiction
- Script Python propre livré via Jupyter Notebook
Pourquoi travailler avec moi :
- Je construis des modèles qui se généralisent à des données réelles non vues, pas seulement aux données d’entraînement
- J’explique chaque étape clairement pour que vous compreniez ce qui a été construit
- Communication ouverte et mises à jour régulières tout au long du projet
Outils : Python, XGBoost, Optuna, Pandas, NumPy, Matplotlib, Scikit-learn
Contactez-moi avant de passer commande pour que nous puissions discuter de vos données et de vos objectifs.
Langage de programmation:
Python
Frameworks:
Scikit-learn
•
keras
•
Panda
APIs:
Autres
Outils:
Jupyter Notebook
•
MLflow
•
Colab
Mon portfolio
FAQ
Traduction automatique
Quelles données dois-je fournir ?
Vous devez partager votre jeu de données au format CSV ou Excel. Plus les données sont propres, meilleur sera le modèle. Si vos données nécessitent un nettoyage préalable, je m’en occuperai dans le cadre du processus.
Vais-je recevoir le code source ?
Oui. Tous les packages incluent le code source Python complet livré via Jupyter Notebook afin que vous puissiez l’exécuter et le modifier vous-même.
Pouvez-vous travailler avec tout type de problème de prédiction ?
Je me spécialise dans la régression et la prédiction de séries temporelles avec XGBoost. Si vous n’êtes pas sûr que votre problème corresponde, contactez-moi d’abord et je vous le dirai avant de passer commande.
Garantissez-vous la précision du modèle ?
Aucun data scientist honnête ne peut garantir la précision avant d’avoir vu les données. Ce que je garantis, c’est un modèle correctement validé, sans fuite de données, avec des métriques de performance claires et une explication transparente des résultats.
Que faire si le modèle donne de mauvais résultats ?
La performance du modèle dépend fortement de la qualité des données et de la nature du problème. Je fournirai toujours un modèle correctement validé avec des métriques honnêtes afin que vous sachiez exactement ce que vous obtenez. Si les données ne permettent pas de créer un modèle solide, je vous en informerai dès le départ.
Travaillez-vous avec de petits ensembles de données ?
Cela dépend. XGBoost peut fonctionner avec des ensembles de données plus petits, mais il existe un seuil minimum pour obtenir des résultats fiables. Contactez-moi avec la taille de votre dataset avant de commander afin que je puisse vous donner une évaluation honnête.
