Costruirò un notebook di prototipo ML veloce e valutazione

A
ahmed_ml22
A
ahmed_ml22
M Ahmed Imtiaz
Alcune informazioni sono state tradotte automaticamente.
build a fast ml prototype notebook and evaluation
Schermo intero
build a fast ml prototype notebook and evaluation
Visualizza presentazione
Visualizza presentazione
build a fast ml prototype notebook and evaluationbuild a fast ml prototype notebook and evaluationbuild a fast ml prototype notebook and evaluation

Informazioni su questo servizio

Traduzione automatica.

Creerò un prototipo ML funzionante (classificazione o regressione) sul tuo dataset e consegnerò un notebook Jupyter riproducibile, il checkpoint del modello addestrato e un rapporto di valutazione. I miei deliverable includono: esempio di dati puliti, passaggi di preprocessing, modello di baseline (scikit-learn / PyTorch), metriche di valutazione (AUC/F1/RMSE a seconda) e raccomandazioni per i prossimi passi.

Ciò che ottieni:

  • Notebook Jupyter riproducibile con pulizia dei dati, pipeline delle caratteristiche e addestramento del modello.
  • Checkpoint del modello (pickle / joblib / .pth a seconda) e uno script di previsione semplice.
  • Rapporto di valutazione (matrice di confusione, precisione/rilevamento/F1 o RMSE/AUC) e breve nota sui prossimi passi.
  • Inizio con una piccola prova di fattibilità su un campione che fornisci (50200 righe) così vedi i risultati rapidamente.

  • Esperienza modello

    • Sviluppo di modelli personalizzati
    • Messa a punto dei modelli
    • IA generativa

  • Settore

    • Altro

  • Linguaggio di programmazione

    • Python

  • Lingua

    • Inglese
    • Urdu

  • Esperienza tecnica

    • Machine learning (Supervisionato, Non supervisionato, Rinforzo)
    • Deep learning (reti neurali, GAN)
    • Feature engineering ed elaborazione dati

Scopri di più su M Ahmed Imtiaz

M Ahmed Imtiaz
  • DaPakistan
  • Membro daset 2025

  • Lingue

    Urdu, Inglese
I’m an ML engineer who builds fast, production-ready prototypes and clean data pipelines. My hands-on experience includes BERT fine-tuning for sentiment and text classification, graph-based recommenders (Node2Vec / GraphSAGE), and wrapping models into FastAPI endpoints with Docker. I focus on reproducible deliverables: Jupyter notebooks, model checkpoints, inference scripts, and clear run instructions so clients can validate and extend work easily. For example, in my DamTechhub internship I improved a GraphSAGE recommender’s validation AUC and produced a working FastAPI inference endpoint.

Traduzione automatica.

Altri servizi della categoria Sviluppo AI offerti da me

Tag correlati