Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik bouw aangepaste NLP- en sentimentanalyse-modellen in Python
AI en ML Engineer
Hoi, ik ben Atta! Ik ben een AI & Machine Learning engineer die zich specialiseert in het omzetten van ruwe data naar werkende software. Of je nu voorspellende ML-modellen nodig hebt, op maat gemaakte...
Over deze dienst
Wil je tekst- of audiogegevens analyseren, spraak transcriberen of aangepaste AI-classificatiemodellen bouwen? Je bent op de juiste plek!
Ik ben een Machine Learning Engineer die gespecialiseerd is in NLP, Tekstanalyse en Audio AI in Python. Ik bouw end-to-end pipelines die op jouw dataset zijn afgestemd, met behulp van moderne tekst- en spraakbibliotheken.
Wat ik aanbied:
- Tekst- & Audio preprocessing: Tokenisatie, lemmatization, stopwoordverwijdering, schoonmaak en audio signaalverwerking.
- Spraak- & Audio NLP: Audio transcriberen met OpenAI Whisper, audio feature extractie (MFCCs/Spectrogrammen met Librosa) en analyse van stemgegevens.
- Sentimentanalyse: VADER regelgebaseerde sentimentanalyse, beoordeling van klantrecensies en sociale feedback.
- Tekstclassificatie: Onderwerpscategorieën, spamdetectie en intentieherkenning met Scikit-Learn algoritmes (Naive Bayes, Random Forest, XGBoost).
- Lokale API-integratie: Jouw tekst- of audio pipeline verpakken in een lichte FastAPI endpoint (app.py).
Technische stack:
- Programmeertaal: Python
- Bibliotheken: Whisper, Librosa, Scikit-Learn, NLTK, SpaCy, Pandas
- Omgeving: Google Colab / Jupyter Notebooks (.ipynb)
- API: FastAPI
Stuur me een bericht met je projectdetails voordat je een bestelling plaatst!
Programmeertaal:
Python
Frameworks:
Scikit-learn
•
Panda
•
Overige
API's:
Overige
Tools:
Jupyter-notitieboek
•
Colab
Mijn portfolio
Andere Data science en ML diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
In welke formaten ontvang ik mijn eindproducten?
Je ontvangt een schone, volledig gecommentarieerde Google Colab Notebook (.ipynb) of standalone Python scripts (.py), samen met getrainde modelbestanden (.pkl / .joblib), scripts voor audiobewerking en evaluatiemetrics van het model.
Kun je spraak- en audiogegevens verwerken naast tekst?
Ja! Ik gebruik OpenAI Whisper voor hoge-precisie speech-to-text transcriptie en Librosa voor audiokenmerken extractie (MFCCs, spectrogrammen). Ik kan getranscribeerde spraakgegevens direct invoeren in sentimentmodellen zoals VADER of aangepaste tekstclassifiers.
Bied je cloud deployment aan voor modellen of audiopijplijnen?
Nee, ik bied geen cloud hosting aan (AWS/GCP/Heroku). Wel kan ik je volledige tekst- of audiobewerkingsmodel verpakken in een schoon, lichtgewicht lokaal FastAPI-script (app.py) dat klaar is voor lokale integratie.
Welk dataset- of bestandsformaat moet ik aanleveren?
Voor tekstgegevens accepteer ik CSV, JSON, Excel of TXT formaten. Voor audiobewerking kun je WAV, MP3 of FLAC bestanden direct uploaden of een downloadlink van Google Drive delen.
