Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik lever op maat gemaakte machine learning oplossingen voor biologie onderzoek data problemen
Over deze dienst
Ik ontwikkel op maat gemaakte machine learning pipelines voor biologisch onderzoek: wetenschappelijk
streng, volledig gedocumenteerd en gebouwd om peer review te doorstaan:
- Automatisering van beeldgebaseerde analyse, kwantificatie, classificatie en morfometrisch profiel van fluorescence-, brightfield-, confocale- en andere beelden.
- Voorspellende modellen voor molecular & omics data, biomarker ontdekking en dimensionaliteitsreductie op genomische, proteomische of epigenetische datasets.
- Reproduceerbare pipelines, elk project bevat een commentaar script, een README en een demo notebook (Google Colab-klaar) zodat jij of je lab het opnieuw kunnen uitvoeren
- Onderzoekswaardige output, publicatieklare figuren, statistische validatie en methodesecties die je in je manuscript kunt gebruiken
Stack
Python · scikit-learn · PyTorch · OpenCV · scikit-image · Pandas · matplotlib · ImageJ
Programmeertaal:
Python
•
Java
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
•
Excel
•
Overige
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Met welke soorten biologische data kun je werken?
Fluorescentiemicroscopiebeelden (multichannel, z-stack), DNA-methylatiearrays (Illumina 450K/EPIC), flowcytometriegegevens en algemene tabulaire omics datasets. Als je niet zeker weet of je data geschikt is, stuur me dan een bericht voordat je bestelt.
Moet ik ruwe data delen of alleen verwerkte bestanden?
Beide is mogelijk. Ruwe beelden of .idat/.csv bestanden zijn ideaal, maar voorverwerkte matrices zijn ook prima. Ik teken een NDA als je data gevoelig of niet gepubliceerd is.
Kan ik de pipeline zelf opnieuw uitvoeren?
Ja, alle deliverables bevatten een commentaar script en een README met stapsgewijze instructies. Standaard en Premium bestellingen bevatten een Colab notebook dat je zonder lokale installatie kunt gebruiken.
Mag ik de resultaten gebruiken in een publicatie?
Absoluut. De Standaard en Premium pakketten bevatten methodologie documentatie volgens journalstandaarden. Ik vraag alleen om erkenning in de Acknowledgements sectie (geen auteurschap).
Mijn dataset is klein... is ML nog steeds toepasbaar?
Vaak wel. Voor kleine n (< 100 samples) gebruik ik geregulariseerde modellen (ElasticNet, Ridge, SVM) en cross-validatiestrategieën die passen bij je samplegrootte. Ik vertel je vooraf of ML echt niet de juiste tool is.
Wat als mijn project complexer is dan de pakketten?
Stuur me een bericht. Ik accepteer custom orders en kan een project op basis van mijlpaalafspraken voor multi-task pipelines opzetten.
