Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò e distribuirò un modello di classificazione immagini personalizzato usando deep learning
Creo applicazioni web moderne, facili da mantenere e scalabili
Ciao, sono Bakar Qureshi, uno sviluppatore web full-stack specializzato in React, NodeJS, Express, MongoDB e MySQL. Creo applicazioni web veloci, sicure e moderne, tra cui app MERN full-stack, API RES...
Informazioni su questo servizio
Hai un dataset e non sai come trasformarlo in un modello AI funzionante? Costruirò un sistema di classificazione immagini pronto per la produzione, su misura per il tuo problema, dal dato grezzo a un API distribuito.
Cosa offro
- Architetture di training CNN personalizzate progettate da zero in base alle dimensioni del tuo dataset e al numero di classi
- Transfer learning e fine-tuning sfrutta ResNet, EfficientNet, ViT e altri; training più veloce, migliore precisione
- Distribuzione del modello API REST tramite Flask o FastAPI, pronta per integrarla nella tua app
- Gestione dello squilibrio delle classi (campionamento ponderato, augmentation)
- Report completo di training: accuratezza, curve di perdita, matrice di confusione, report di classificazione
- Codice PyTorch pulito e commentato consegnato su GitHub o come ZIP
Perché lavorare con me
- Studente di ingegneria del software specializzato in AI/ML con progetti reali consegnati
- Ho creato un rilevatore di guasti ai pannelli solari e un classificatore di malattie retiniche (5 classi, ViT fine-tuned)
- Spiego ogni decisione di progettazione così capisci cosa stai acquistando
Scrivimi prima di ordinare se vuoi discutere prima del tuo dataset.
Linguaggio di programmazione:
Python
•
Colab
Strumenti:
Quaderno jupyter
•
Colab
•
PyTorch
Framework:
Scikit-learn
•
PyTorch
•
Panda
FAQ
Traduzione automatica.
Quale precisione posso aspettarmi?
Dipende molto dalla qualità dei dati e dalla complessità del problema. Condivido sempre metriche di validazione onestamente prima della consegna.
Puoi lavorare con un dataset piccolo?
Sì. Transfer learning e strategie di augmentation sono particolarmente efficaci per dataset piccoli (anche solo 100–200 immagini per classe).
Cosa devo fornire?
Un dataset di immagini etichettate (cartelle o CSV). Mi occuperò del resto. Se non hai ancora dati, scrivimi — posso consigliarti sulla raccolta o sull'augmentation sintetica.
Quali framework utilizzi?
PyTorch per tutto il training. Flask o FastAPI per la distribuzione. Il codice gira su GPU.
