Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Farò data science, ml e analisi predittive con python
Sviluppatore di agent AI Claude Code LangChain n8n esperto di Data Science
MSc Data Science (SZABIST 2024) + Data Scientist certificato IBM.
Costruisco agent AI di produzione e sistemi ML che portano risultati concreti — non solo demo. Oltre 20 progetti: churn di DT Interna...
Informazioni su questo servizio
Il tuo foglio di calcolo nasconde una decisione. Il mio compito è trovarla e dimostrare che regge.
Modello di churn ROC AUC 92,85% (DT International), Prophet R²=0,80 su oltre 160K annunci, SVM 86% su più di 4 milioni di recensioni Amazon.
Faccio data science e ML in Python avanzato: churn, previsioni, classificazione, segmentazione, partendo da dati grezzi e disordinati fino a un modello di cui puoi fidarti e agire.
Non consegno un notebook pieno di grafici e basta. Ogni progetto si conclude con una spiegazione in parole semplici di cosa ha trovato il modello, quanto è sicuro e cosa significa per la tua decisione.
Ciò che ottieni:
- Analisi esplorativa dei dati + un rapporto sulla qualità dei dati (dati disordinati sono normali, me ne preparo)
- Feature engineering e selezione del modello (Random Forest, XGBoost, Prophet, LSTM e altri)
- Validazione e tuning, con una valutazione onesta dell’accuratezza, anche dove il modello fa fatica
- Spiegazioni SHAP per vedere quali fattori influenzano ogni previsione
- Consegna pulita: notebook, rapporto scritto o un servizio deployato, a tua scelta
Fai il tuo ordine, condividi il dataset e l’obiettivo nel modulo delle richieste. Vuoi un check di fattibilità? Mandami un esempio anonimizzato.
Il mio portfolio
FAQ
Traduzione automatica.
Quali problemi di ML affronti?
Previsione del churn, previsione della domanda/serie temporali, classificazione, segmentazione, regressione — aree in cui ho consegnato risultati verificabili (92,85% ROC AUC, R²=0,80, SVM 86,01%).
I miei dati sono disordinati e incompleti - è un problema?
È il punto di partenza normale. Ogni progetto inizia con una fase esplorativa che evidenzia valori mancanti, outlier e incoerenze, e ricevi un rapporto sulla qualità dei dati scritto prima della modellazione.
Come posso essere sicuro che le previsioni non siano una scatola nera?
Le spiegazioni SHAP (Standard up) mostrano esattamente quali caratteristiche hanno influenzato ogni previsione, in modo semplice — te lo spiegherò durante la chiamata di consegna.
Mi dirai se i dati non sono abbastanza forti?
Sì — direttamente e presto. Preferisco segnalare una limitazione dei dati nella prima settimana piuttosto che consegnare un modello che sembra buono in fase di test e fallisce in produzione.
Distribuisci il modello o consegni solo un notebook?
Entrambe — Basic è notebook + rapporto; Standard/Premium può includere un servizio distribuito (FastAPI, containerizzato).
Riesci a gestire set di dati di grandi dimensioni?
Sì — lavori recenti hanno processato oltre 4 milioni di recensioni Amazon su Apache Spark con MLlib. La scala è raramente un limite; di solito è la qualità dei dati.
Cosa succede se l'accuratezza delude dopo la consegna?
È per quello che servono le revisioni — riottimizzo, ri-validate e uso la suddivisione SHAP per mostrare cosa sta influenzando eventuali gap. La revisione copre metodologia + feature engineering sui dati che fornisci; non può superare i limiti fondamentali di qualità dei dati, che segnalo *prima* che inizi la modellazione.
Il mio team può usare i risultati senza un data scientist?
Sì — Standard+ include una demo Streamlit o un rapporto in italiano semplice; per *interrogare* i risultati in modo conversazionale, consulta il mio gig RAG chatbot; per un'API di modello live, aggiungi l'extra endpoint FastAPI.
Velocità di risposta e chi possiede il lavoro?
Rispondo in poche ore (mattina UK/EU + pomeriggio US-East, asincrono via Fiverr). Possiedi il notebook, i modelli e il codice alla consegna; io non conservo copie; NDA disponibile.
