Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Svilupperò modelli personalizzati di deep learning e NLP
Data Scientist, Intelligenza Artificiale, Machine Learning, Deep Learning, Data Analyst
Sono un appassionato di data science, certificato da Google come Data Analytics Professional e anche come Data Scientist certificato da Johns Hopkins. Mi piace affrontare sfide e risolverle. La mia es...
Informazioni su questo servizio
Vuoi raccomandazioni che riflettano davvero il comportamento dei tuoi utenti, non una tabella statica "persone che hanno acquistato X"?
Costruisco modelli di raccomandazione e sequenza basati su deep learning in Python: sistemi che apprendono dall'ordine del comportamento degli utenti per prevedere cosa vorranno successivamente, come fanno i sistemi di produzione di Netflix e TikTok.
Cosa costruisco: Raccomandatori sequenziali (SASRec / GRU4Rec / basati su transformer) modelli di embedding e filtraggio collaborativo modelli NLP e sequenza per testo e dati comportamentali Valutazioni corrette leave-one-out, Hit@K, NDCG, copertura e diversità (non metriche di split casuale gonfiate) Un'app demo interattiva così puoi vedere le raccomandazioni dal vivo
Lavori recenti: Ho creato un sistema di raccomandazione sequenziale di film sul dataset MovieLens 25M implementando tre modelli (Prod2Vec, GRU4Rec, SASRec) con una demo dal vivo che visualizza quali elementi passati hanno guidato ogni raccomandazione tramite pesi di attenzione. Ho anche consegnato un sistema di analisi clienti end-to-end che ha identificato £403K di entrate a rischio per un rivenditore, quindi costruisco modelli che si collegano a risultati aziendali reali, non solo a punteggi di leaderboard.
Strumenti: Python, PyTorch/TensorFlow, scikit-learn, Pandas, Streamlit
Linguaggio di programmazione:
Python
•
R
•
MATLAB
•
SQL
API:
Visione artificiale Microsoft AI
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
Excel
•
Colab
Framework:
Scikit-learn
•
keras
•
PyTorch
•
Panda
•
tensorflow
FAQ
Traduzione automatica.
Di quali dati hai bisogno?
Storia di interazioni utente-elemento (chi ha interagito con cosa, e idealmente quando). Ti dirò se è sufficiente per modellare.
Come si misura il successo?
Valutazione leave-one-out con Hit@K e NDCG; metriche oneste che riflettono la previsione del prossimo elemento reale, non split casuali leakati.
Posso vederlo funzionare?
Sì. La versione Standard e Premium includono una demo così puoi testare le raccomandazioni in modo interattivo
E se i miei dati sono troppo scarsi per il deep learning?
Te lo dirò subito e ti consiglierò un approccio più semplice e affidabile invece
