Costruirò un modello di ML per classificazione o previsione del rischio
Ingegnere AI e ML, Data Scientist, Specialista in LLM e Deep Learning
Informazioni su questo servizio
Hai bisogno di un modello di machine learning che funzioni davvero sui tuoi dati reali? Costruisco pipeline di ML end-to-end, non solo script.
Sono un ingegnere AI & ML (B.Tech CSE, AI & Robotics, VIT Chennai) con un tirocinio di ricerca presso DRDO SAG (Ministero della Difesa, Governo dell'India). Ho realizzato:
- Classificatore di rischio di credito: accuratezza del 93% (XGBoost)
- Pipeline di rilevamento frodi: ROC-AUC > 0.90 con SMOTE
- Sistema di previsione delle malattie: accuratezza del 97.22%
- Ricerca presentata alla conferenza internazionale ICIPRRDAC '25
Cosa consegno:
- Modelli di classificazione, regressione e rischio
- Analisi esplorativa completa (EDA) e preprocessing dei dati
- Confronto tra modelli (Logistic Reg, RF, XGBoost, SVM)
- Importanza delle feature e spiegabilità del modello
- Gestione di dati sbilanciati (SMOTE, pesi di classe)
- Rapporto di valutazione: accuratezza, F1, ROC-AUC, recall
- Codice Python pulito e documentato
Applicazioni: rilevamento frodi, scoring di credito, previsione di churn, diagnosi mediche e segmentazione clienti.
Strumenti: Python, Scikit-Learn, XGBoost, Pandas, Matplotlib
Contattami prima, valuterò il tuo dataset e confermerò il miglior approccio al modello prima che tu effettui l'ordine.
Linguaggio di programmazione:
Python
•
R
•
MATLAB
•
SQL
•
Colab
Framework:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
Excel
•
Colab
•
RStudio
Il mio portfolio
Altri servizi della categoria Data science e ML offerti da me
FAQ
Traduzione automatica.
Con che tipo di dataset lavori?
Qualsiasi dataset tabellare strutturato in formato CSV o Excel. Gestisco problemi di classificazione binaria e multi-classe, così come dataset fortemente sbilanciati usando SMOTE e altre tecniche di resampling.
Quale modello di ML userai per il mio progetto?
Valuto più modelli (Logistic Regression, Random Forest, XGBoost, SVM) e consiglio il migliore in base ai tuoi dati e obiettivi. I pacchetti Standard e Premium includono un confronto completo tra modelli con metriche per ciascuno.
Puoi gestire dataset sbilanciati come nel rilevamento frodi?
Assolutamente sì. Ho esperienza pratica con SMOTE, RUS e tecniche di pesatura delle classi specificamente per problemi di dati sbilanciati. Il mio progetto di rilevamento frodi ha raggiunto ROC-AUC > 0.90 su un dataset fortemente sbilanciato.
Riceverò il codice sorgente?
Sì, in tutti i pacchetti è incluso il codice sorgente Python completo come Jupyter Notebook. Puoi ri-eseguire, modificare o estendere il modello in modo indipendente.
Puoi deployare il modello come API?
Sì, è disponibile integrazione API tramite Flask o FastAPI, inclusa nel pacchetto Premium. Contattami per dettagli.

