Costruirò un modello di machine learning personalizzato

Costruisco soluzioni di Machine Learning e Deep Learning usando Python trasformando i tuoi dati grezzi in previsioni accurate e sistemi intelligenti.

Il mio stack principale: XGBoost, Random Forest, Scikit-learn per modelli di previsione, e YOLOv8 con OpenCV per compiti di computer vision in tempo reale e rilevamento oggetti.

Lavori recenti: AsteroidWatch, un sistema di previsione del rischio di asteroidi in tempo reale costruito usando 5 API della NASA, addestrato su 38.573 record con XGBoost e SMOTE per dati sbilanciati, dando priorità a un alto recall per minimizzare i rischi non rilevati, adottando un approccio orientato alla sicurezza più che alla semplice precisione.

Ciò che offro:

Pulizia dei dati e feature engineering

Gestione di dataset sbilanciati (SMOTE, pesi di classe)

Training e valutazione di modelli ML (XGBoost, Random Forest)

Deep Learning e rilevamento oggetti (YOLOv8, OpenCV)

Report di performance chiari (accuratezza, precisione, recall, matrice di confusione)

Deployment opzionale come app web Streamlit in tempo reale

Demo live: asteroidwatch-v2o.streamlit.app

Trasforma i tuoi dati in previsioni di cui puoi davvero fidarti.