Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik stem een llm of slm af op basis van de vereisten
Eshan E
Over deze dienst
Automatische vertaling
Ik pas kleine open modellen aan en lever de evaluatie die bewijst dat het werkte of eerlijk vertelt dat het niet werkte.
WAT JE KRIJGT
LoRA/QLoRA fijn afstemmen op Llama 3.1, Qwen 2.5, Mistral of Phi
Dataset opschonen en formatteren
Held-out evaluatie tegen je baseline, met echte cijfers
Gekwantiseerde GGUF gewichten die je lokaal kunt draaien
Alle training code en configuraties
Een kort rapport: wat is veranderd en wat ik hierna zou doen
WAAROM IK
Eerste auteur paper onder review bij ICLR 2027 over programmatic LLM evaluatie
Een productie LLM assistent live gestuurd naar meer dan 70 trainingscentra
Een AI agent gebouwd met meer dan 15 native tools en strikte JSON dispatch
HOE HET WERKT
Stuur me een bericht voordat je bestelt met je dataset en wat het model moet doen. Ik vertel je of fijn afstemmen de juiste keuze is, soms niet, en ik zeg dat liever dan dat ik je geld neem.
Ik bouw eerst de eval set en voer je baseline uit, zodat "beter" een getal is, geen mening. Als het je baseline niet overtreft, hoor je dat binnen dagen, niet bij levering.
Jouw data wordt alleen voor jouw project gebruikt en nooit gedeeld.
Maak kennis met Eshan E
Eshan E
Forward Deployed Engineer
- Afkomstig uitIndia
- Lid sindssep 2026
- Gem. reactietijd1 uur
Talen
Engels, Hindi
I am a Forward Deployed Engineer and AI Developer with expertise in building confidential document de-identification pipelines and production-grade LLM assistant systems. I specialize in Python, PyTorch, and Kubernetes, with a strong focus on AI observability, model evaluation, and self-healing cloud infrastructure. I have a proven track record in competitive programming and research in transformer language models.
Automatische vertaling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Wat heb je van mij nodig om te beginnen?
Jouw dataset (JSONL, CSV of platte tekst), een zin over wat het model moet doen, en hoe je het nu doet — een prompt, een API-aanroep, of een bestaand model. Dat laatste is belangrijk: het is de baseline waar ik tegen meet.
Wat als de fijn afstemming mijn huidige setup niet overtreft?
Je hoort het binnen een paar dagen, met de cijfers. Soms is betere prompting of retrieval de echte oplossing en helpt fijn afstemmen niet. Ik vertel dat liever vroeg dan dat ik iets lever dat niet werkt.
Hoeveel data heb ik nodig?
Een paar honderd goede voorbeelden winnen vaak van tienduizenden ruisende. Basis dekt tot 5000 rijen. Als je minder hebt, stuur me een bericht — het is meestal nog haalbaar. Als je veel meer hebt, bevat de Standard de opschoning.
Kan ik het model daarna zelf draaien?
Ja. Elke package bevat de samengevoegde gewichten en de training code. Standard en Premium voegen een gekwantiseerde GGUF toe die lokaal op CPU of een consumentengpu draait. Premium voegt een FastAPI service toe die je kunt implementeren.
Zijn mijn gegevens veilig?
Jouw data wordt alleen voor jouw project gebruikt, nooit gedeeld, en nooit gebruikt om iets anders te trainen. Ik bouw momenteel een de-identificatie pipeline voor vertrouwelijke klantdocumenten, dus dit is de discipline waarin ik dagelijks werk.
