Ik bouw machine learning, deep learning en nlp modellen met python
Over deze dienst
De meeste ML-modellen komen nooit in productie.
Ik maak modellen die dat wel doen.
Met meer dan 4 jaar ervaring in productie-AI/ML lever ik schone, geteste, deployment-klare machine learning en NLP-systemen, geen notebooks die alleen op mijn machine werken.
Wat ik bouw:
NLP-systemen: Sentimentanalyse, tekstclassificatie, NER, samenvatting, topic modeling
ML-modellen: Classificatie, regressie, clustering, forecasting met scikit-learn en XGBoost
Deep Learning: CNNs, RNNs, Transformers (BERT, GPT-2, T5) met PyTorch en TensorFlow
Computer Vision: Beeldclassificatie, objectdetectie (YOLO, ResNet)
Productie-pijplijnen: FastAPI/Flask APIs, Docker, AWS SageMaker, MLflow tracking
Technische stack:
Python · PyTorch · TensorFlow · scikit-learn · HuggingFace · SpaCy · NLTK
FastAPI · Flask · Docker · AWS (SageMaker, EC2, S3) · MLflow · Pandas · NumPy
Elke levering bevat:
Schone, gecommentarieerde Python-code
Model evaluatierapport (nauwkeurigheid, F1, verwarringsmatrix)
README met setup- en gebruiksinstructies
Klaar-om-te-gebruiken API-wrapper op Standard en Premium
Neem contact met me op voordat je bestelt, ik bepaal gratis de scope van je project.
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Welke soorten ML-problemen kunt u oplossen?
Classificatie, regressie, clustering, NLP (sentiment, tekstclassificatie, NER), computer vision en tijdreeksvoorspelling.
Geef je de broncode door?
Ja, alle pakketten bevatten schone, gedocumenteerde Python-broncode met een README.
Kun je het model deployen op AWS?
Ja, deployment op AWS SageMaker en EC2 is inbegrepen in het Premium pakket en als extra optie beschikbaar.
Welke gegevens moet ik verstrekken?
Je dataset in elk gangbaar formaat (CSV, JSON, Excel). Als je geen data hebt, kan ik helpen met synthetische datageneratie.
Hoe meet je de prestaties van het model?
Ik lever een volledige evaluatierapport inclusief nauwkeurigheid, F1-score, verwarringsmatrix en ROC-curve waar van toepassing.
