Ik ga een compleet data science-project maken in Python, R en Spss.

Ik kan je helpen bij het bouwen, implementeren of extraheren van belangrijke informatie uit je data, wat je kan helpen om je bedrijfs ROI te verhogen. Mijn ervaring omvat werken aan onderzoeksartikelen, het deployen van projecten op de cloud en het bouwen, implementeren van machine learning/ data cleaning/ data processing/ data visualizing pipelines.

Tools gebruik:

• Jupyter, spyder, aws sagemaker met pyspark of python cluster gehost in ec2 instance, GCP vertex, azure machine learning studio, Kibana

Taal: Python, R, Scala, NOSQL

Coverage van machine learning modellen:

gesuperviseerde leermodellen

• Logistische regressie
• Beslissingsbomen
• Random Forest
• XGBoost
• Ensemble boosting methoden
• Ensemble Bagging methoden
• Neurale netwerken
• Regressiemethoden zoals lineaire regressie
• Outlier detectie met Support vector Machine

Semi-gesuperviseerde leermodellen

• Positieve ongecontroleerde leren
• GANS
• Positief vertrouwen
• Grafiekgebaseerde gelabelde methoden

Ongecontroleerde leermodellen

• clustering methoden zoals K-means, DBSCAN, Gaussian Mixture model

Deep-learning methoden voor gezichtsherkenning, beeldclassificatie, transfer learning

NLP-methoden met KeyBert, BERT, TF-IDF voor tekstcategorisatie en classificatiemodellen