Ik bouw uitlegbare ai ml-modellen
Over deze dienst
Ik ontwikkel machine learning modellen die niet alleen voorspellen, maar ook uitleggen waarom. Met behulp van XGBoost, LightGBM en SHAP/LIME creëer ik modellen die zowel nauwkeurig als interpreteerbaar zijn, precies wat de meeste academische en zakelijke toepassingen nodig hebben.
Mijn vlaggenschipproject, een uitlegbaar kredietscore-systeem (AUC 0.82+), werd gepresenteerd als een IEEE-paper op een internationale conferentie, dus dit is geen theorie, het is bewezen werk.
Wat ik aanbied:
- Data preprocessing & feature engineering
- Model bouwen (XGBoost/LightGBM/stacking ensembles)
- Hyperparameter tuning met Optuna
- SHAP/LIME explainability plots
- Schoon, gedocumenteerde Python-code
- Optionele Flask API deployment
Of het nu voor een schoolproject, onderzoeksrapport of zakelijke toepassing is, ik lever een model dat je daadwerkelijk kunt uitleggen aan iemand anders, geen black box.
Programmeertaal:
Python
Frameworks:
Scikit-learn
•
PyTorch
•
Panda
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
•
Colab
Veelgestelde vragen
Automatische vertaling
Lever je de code en documentatie aan?
Ja, volledig commentaar gevende Python-code + een korte rapportage die de aanpak en resultaten uitlegt.
Kun je werken met mijn eigen dataset?
Ja, deel het gewoon via de requirements-sectie na het bestellen.
Bieden jullie revisies aan?
Ja, revisies inbegrepen per pakket (zie prijzen).
Kun je me helpen de resultaten te begrijpen voor een viva/presentatie?
Ja, het Premium pakket bevat een walkthrough-gesprek/notities.

