Ik ben uw deskundige datawetenschapper voor deep learning en machine learning

Als data scientist specialiseer ik me in een breed scala aan taken. Ik voer Exploratory Data Analysis (EDA) uit met histogrammen, scatter plots en statistische samenvattingen. Mijn expertise in statistische analyse omvat hypothese testen en het onderzoeken van variabele relaties. Ik verbeter modelprestaties door geavanceerde Feature Engineering en zorg voor data gereedheid met uitgebreide Data Preprocessing technieken. Ik ben bedreven in Time Series Forecasting met modellen zoals ARIMA en Prophet.

In Deep Learning werk ik met CNNs (van AlexNet tot DenseNet) voor beeldclassificatie, Object Detection met F-RCNN en YOLO, en Instance Segmentation met Mask RCNN. Ik heb ervaring met GANs voor data generatie en 3D detectie met Stereo Vision. In Machine Learning richt ik me op Clustering (KNN, K-MEANS, DBSCAN), Predictive Modeling (Regressie, Decision Trees, SVM) en effectieve data visualisatie met Matplotlib en Seaborn. Mijn NLP-capaciteiten omvatten Sentiment Analysis, RNNs, LSTMs en transformers zoals BERT, GPT-2 en LayoutLM.

Ik gebruik libraries zoals numpy, Pandas, scikit-learn, TensorFlow, PyTorch, OpenCV, Detectron2 en Dlib. Mijn tools omvatten Jupyter, Colab, Docker, SageMaker, AWS en GitH