Costruirò modelli di ai ml spiegabili

Costruisco modelli di machine learning che non si limitano a prevedere, ma spiegano anche perché. Utilizzando XGBoost, LightGBM e SHAP/LIME, creo modelli che sono sia precisi che interpretabili, esattamente ciò di cui hanno bisogno la maggior parte dei casi d'uso accademici e aziendali.

Il mio progetto di punta, un sistema di scoring del credito spiegabile (AUC 0.82+), è stato presentato come paper IEEE a una conferenza internazionale, quindi non si tratta di teoria, ma di lavoro comprovato.

Ciò che offro:

• Preprocessing dei dati e feature engineering
• Costruzione del modello (XGBoost/LightGBM/ensemble stacking)
• Ottimizzazione degli iperparametri con Optuna
• Grafici di spiegabilità SHAP/LIME
• Codice Python pulito e documentato
• Deployment opzionale di API Flask

Sia che si tratti di un progetto universitario, di un paper di ricerca o di un caso aziendale, consegnerò un modello che puoi effettivamente spiegare a qualcun altro, non una scatola nera.