Ik bouw een ensemble machine learning model en voer statistische analyse uit

Ik help je om ruwe data om te zetten in een afgewerkt, verdedigbaar analysehoofdstuk.

Vorige projecten omvatten het labelen van overeenstemming tussen meerdere beoordelaars (Cohen's Kappa), het bouwen

en vergelijken van machine learning modellen (Random Forest, Gradient Boosting,

Logistic Regression, SVM en ensemble modellen), en uitleggen wat een model

eigenlijk doet met behulp van SHAP.

Waar ik mee kan helpen:

- Schoonmaken en voorbereiden van je dataset

- Beschrijvende statistieken en hypothesetests

- Inter-beoordelaars overeenstemming (Cohen's Kappa, confusion matrices, overeenstemmingstabellen)

- Machine learning modellen met volledige prestatie metrics, niet alleen accuracy

- SHAP explainability, zodat je kunt uitleggen waarom het model voorspelt wat het voorspelt

- Reageren op opmerkingen van supervisor of reviewer met nieuwe experimenten en

 heldere, directe antwoorden

- Een schriftelijk rapport dat je in je thesis kunt gebruiken, met tabellen en figuren

 al opgemaakt

Ik werk in Python. Ik geef je ook de code en de exacte stappen die ik heb gebruikt, zodat

je werk reproduceerbaar blijft als iemand het vraagt.

Stuur me je data en wat je supervisor vraagt, en ik vertel je eerlijk wat mogelijk is en hoe lang het duurt.