Costruirò modelli di computer vision e classificazione delle immagini
Ingegnere AI e ML
Informazioni su questo servizio
Stai cercando soluzioni personalizzate di Computer Vision o Deep Learning sviluppate in PyTorch?
Sono specializzato nella creazione, messa a punto e valutazione di modelli di visione pronti per la produzione per applicazioni reali.
Ciò che posso costruirti:
- Classificazione delle immagini & AI medica: CNN, MobileNetV2, ResNet, EfficientNet.
- Rilevamento oggetti: modelli YOLO personalizzati, tracciamento in tempo reale e integrazione con OpenCV.
- Ottimizzazione e messa a punto del modello: gestione dello squilibrio delle classi, funzioni di perdita personalizzate e ottimizzazione della soglia (massimizzando Recall/Precision).
- AI spiegabile (XAI): mappe di calore spatial Grad-CAM per verificare visivamente le predizioni del modello.
- API di inferenza personalizzate: microservizi FastAPI per distribuire i tuoi modelli.
Cosa riceverai:
- Notebook Google Colab ben documentato (.ipynb) o codice Python modulare (.py).
- Pesi del modello addestrato (.pt / .pth) e file di configurazione.
- Suite completa di valutazione: confusion matrix Seaborn, report di classificazione e curve di training.
Per favore contattami prima di ordinare per discutere il tuo dataset e le esigenze del modello!
API:
Altro
Linguaggio di programmazione:
Python
•
Colab
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
Excel
•
Colab
•
PyTorch
Framework:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Il mio portfolio
Altri servizi della categoria Data science e ML offerti da me
FAQ
Traduzione automatica.
Cosa devo fornire prima di effettuare un ordine?
Per favore fornisci un riassunto chiaro degli obiettivi del tuo progetto e l'accesso al tuo dataset (o a un campione) tramite Google Drive, Kaggle o Zip. Se non hai ancora un dataset, contattami prima e ti aiuterò a trovarne o strutturarlo uno.
Riceverò il codice Python completo e i file del modello addestrato?
Sì! Ogni pacchetto include il notebook Google Colab completo e ben documentato (.ipynb) o script Python puliti (.py), insieme ai pesi PyTorch addestrati (.pt o .pth) e ai file di configurazione.
Puoi gestire dataset piccoli e altamente sbilanciati?
Assolutamente sì. Utilizzo tecniche specializzate come il weighting delle classi (pos_weight), focal loss, analisi della curva precision-recall e ottimizzazione mirata delle soglie di decisione per garantire alte prestazioni anche su dati gravemente sbilanciati.
Come posso essere sicuro che il modello non sia solo una 'scatola nera' che indovina le predizioni?
Fornisco mappe di calore spatial Grad-CAM che evidenziano visivamente le regioni di pixel che influenzano le decisioni del modello, insieme a confusion matrix Seaborn complete e metriche di classificazione (Precision, Recall, F1-Score).
Puoi distribuire il modello come API per la mia app web o mobile?
Sì, con il pacchetto Premium (o come aggiunta personalizzata), posso creare un microservizio FastAPI leggero per fornire predizioni direttamente alla tua applicazione o backend web.

