Je formerai, ajusterai et évaluerai des modèles d'apprentissage automatique en Python

Votre modèle est aussi bon que son évaluation. Je forme, ajuste et évalue honnêtement des modèles d’apprentissage automatique sur VOS données afin que vous sachiez exactement comment votre modèle se comporte avant de vous appuyer dessus pour prendre des décisions réelles.

Je suis Sahil, ingénieur IA/ML. Mes projets personnels incluent un Prévisionniste de retards de vol (XGBoost, pipeline de bout en bout avec Streamlit + FastAPI) et des modèles de prévision de prêts (ML + classification par apprentissage profond) conçus avec un prétraitement, des pipelines et une évaluation adéquats, et pas simplement un simple .fit().

Ce que je fais :

Prétraitement des données et ingénierie de caractéristiques (pipelines, absence de fuite de données)

Entraînement des modèles avec scikit-learn & classification et régression XGBoost

Réglage des hyperparamètres et validation croisée

Évaluation honnête : exactitude, F1, précision/recall, ROC-AUC / RMSE, MAE, R²

Comparaison de modèles avec des graphiques : matrice de confusion, importance des caractéristiques, courbes d’apprentissage

Un rapport clair expliquant ce que signifient les chiffres et ce qu’il faut améliorer ensuite

Vous recevez le fichier du modèle entraîné, un notebook propre et annoté, et un rapport d’évaluation sur lequel vous pouvez réellement vous appuyer.

Vous ne savez pas quel pack vous convient ? Envoyez-moi votre jeu de données et votre colonne cible avant de commander, je vous dirai honnêtement.