Ik audit je ml-model
Over deze dienst
DOET JE ML-MODEL ECHT WAT JE DENKT DAT HET DOET?
De meeste modellen gaan live met een nauwkeurigheidsscore en een gebed.
Nauwkeurigheid alleen is misleidend; een model dat alles labelt als 'geen fraude'
haalt 95% nauwkeurigheid maar vangt geen enkele fraude. Jouw CTO, hoofd Risico en
Compliance-team verdienen beter dan dat.
Ik geef ze dat.
WAT JE KRIJGT (alle 5 fasen van een professionele audit)
Fase 1 Ontdekking & Data Kwaliteit
Fase 2 Prestatieanalyse
Fase 3 Uitlegbaarheid (SHAP)
Fase 4 Eerlijkheid & Bias (Fairlearn)
Fase 5 Rapportage
Programmeertaal:
Python
•
Colab
•
MLflow
Frameworks:
Scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
Tools:
Jupyter-notitieboek
•
MLflow
Veelgestelde vragen
Automatische vertaling
Mijn model is niet scikit-learn. Kan je het toch auditen?
Ja. Ik kan elk classifier auditen dat predict() en predict_proba() methoden exposeert, inclusief XGBoost, LightGBM, CatBoost, PyTorch en TensorFlow. Voor modellen achter een API-endpoint gebruik ik jouw API om voorspellingen te genereren. De SHAP-uitlegbaarheid gebruikt TreeExplainer voor boommodellen en KernelExp
Ik kan geen echte klantgegevens delen. Kunnen we nog steeds samenwerken?
Absoluut. Ik werk regelmatig met geanonimiseerde of synthetische datasets. Ik kan ook werken met een representatief monster (minimaal 500 rijen), of we kunnen een NDA ondertekenen en een veilige VPN/API-toegang regelen. Stuur me gewoon een bericht voordat je bestelt, dan bespreken we de juiste aanpak.

