Costruirò modelli di machine learning ensemble e correggerò le critiche della peer review

Ti aiuto a trasformare dati grezzi in un capitolo di analisi finito e difendibile.

Progetti passati includono la valutazione dell'accordo tra più valutatori (Kappa di Cohen), la costruzione

e il confronto di modelli di machine learning (Random Forest, Gradient Boosting,

Logistic Regression, SVM e modelli ensemble), e spiegare cosa fa effettivamente un modello

usando SHAP.

Puoi contare su di me per:

- Pulire e preparare il tuo dataset

- Statistiche descrittive e test di ipotesi

- Accordo tra valutatori (Kappa di Cohen, confusion matrix, tabelle di accordo)

- Modelli di machine learning con metriche di performance complete, non solo accuratezza

- Spiegabilità con SHAP, così puoi dire perché il modello predice quello che predice

- Rispondere ai commenti di supervisori o revisori con nuovi esperimenti e

 risposte chiare e dirette

- Un report scritto che puoi inserire nella tua tesi, con tabelle e figure

 già formattate

Utilizzo Python. Ti fornisco anche il codice e i passaggi esatti che ho usato, così

il tuo lavoro rimane riproducibile se qualcuno chiede.

Inviami i tuoi dati e le richieste del tuo supervisore, e ti dirò

onestamente cosa è possibile e quanto tempo ci vorrà