Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je concevrai des modèles de traitement du signal et d'apprentissage profond en python
Ingénieur en matériel embarqué, commandes de vol et ML
Je fais le pont entre le firmware bare-metal et la conception compacte de matériel. Je me spécialise dans le développement de PCBs multi-couches personnalisés (ESP32, LoRa, cellulaire, GPS) et dans l’...
À propos de ce service
Transformez les données brutes de signal en informations exploitables.
Je crée des pipelines de traitement du signal sur mesure et des modèles d'apprentissage profond pour des données de capteurs 1D/2D, audio et visuelles.
Capacités principales :
Prétraitement du signal : Extraction de caractéristiques via PyWavelets (Transformées en ondelettes continues) et OpenCV.
Apprentissage profond : Réseaux de neurones convolutifs (CNN) personnalisés construits et entraînés avec TensorFlow et Keras.
Algorithmes en Python pur : Logique matricielle de base et implémentation d'algorithmes sans bibliothèques ML lourdes pour du matériel contraint.
Livrables :
Code source Python documenté.
Matrices de caractéristiques prétraitées.
Réseaux de neurones entraînés avec métriques d’évaluation complètes.
Veuillez me contacter avant de commander pour examiner la structure de votre dataset et vos besoins en architecture.
Langage de programmation:
Python
Frameworks:
Scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
APIs:
Microsoft Computer Vision AI
Outils:
opencv
•
OpenNN
•
tensorflow
•
SimpleCV
Mon portfolio
FAQ
Traduction automatique
Avec quels types de données de signal brut pouvez-vous travailler ?
Je travaille avec des signaux 1D et 2D, y compris des données brutes de capteurs en série temporelle, des enregistrements audio (.wav), des tableaux d'images laser et des ensembles de données matricielles formatés en CSV, JSON ou tableaux NumPy (.npy).
Pouvez-vous implémenter des algorithmes en Python pur sans bibliothèques ML lourdes ?
Oui. Si votre projet a des contraintes matérielles ou nécessite une conception algorithmique sur mesure, je peux construire des modèles, des routines de descente de gradient et des transformations matricielles en utilisant uniquement Python et NumPy.
Quelles techniques de prétraitement du signal appliquez-vous ?
J’utilise les Transformées en ondelettes continues (CWT via PyWavelets), les Transformées de Fourier (FFT/spectrogrammes), le filtrage du bruit et l'extraction de caractéristiques avec OpenCV pour préparer les signaux bruts au deep learning.
Quels fichiers vais-je recevoir une fois terminé ?
Vous recevrez un code source Python entièrement documenté, des matrices de caractéristiques prétraitées, les fichiers de modèles de réseaux de neurones entraînés (.keras / .h5), et des graphiques d’évaluation de performance complets (courbes de perte, précision, matrice de confusion).
