Ik voer een audit op jouw machine learning-model uit op data-lekken en overfitting
Over deze dienst
Is de 99% nauwkeurigheid van jouw model te mooi om waar te zijn? Vaak is dat zo. Data leakage, verkeerde validatiesplitsingen en onkalibrerde waarschijnlijkheden laten modellen schitteren in een notebook en falen in productie.
Ik controleer jouw machine learning-pijplijn, laat precies zien wat je resultaten opblaast en help je het op te lossen.
Ik controleer:
- Doel-, temporele- en groepsdata leakage
- Ontwerp van training-, validatie- en test-splitsing
- Overfitting en keuze van metrics voor jouw probleem
- Waarschijnlijkheidskalibratie en klasse-imbalancedie
- Robustheid met placebo- en out-of-time-tests
Ik ben een AI-ingenieur en eerste auteur van meerdere peer-reviewed IEEE-artikelen. Ik gebruik deze controles als standaard in mijn eigen werk, bijvoorbeeld een ICU-sterfelijkheidmodel gevalideerd op een aparte ziekenhuisdataset.
Je krijgt een duidelijke schriftelijke rapportage gerangschikt op impact, en in hogere pakketten een gecorrigeerde notebook met vóór- en ná-resultaten.
Programmeertaal:
Python
•
R
•
SQL
•
Colab
Technologie:
Python
•
R
•
tensorflow
•
PyTorch
•
scikit-learn
•
Pandas
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
1. Wat moet ik sturen?
Jouw notebook of scripts, de dataset of een representatieve steekproef, en een korte opmerking over wat het model voorspelt en hoe het wordt gebruikt.
1. Wat als jouw audit mijn nauwkeurigheid verlaagt?
Dat is het doel van de audit: een lagere, eerlijke waarde nu is veel goedkoper dan een model dat na de lancering faalt. Ik leg elke oorzaak uit en hoe je het oplost.
1. Welke modellen dek je af?
Tabular ML (scikit-learn, XGBoost, LightGBM), tijdreeksen en deep learning in PyTorch, voor classificatie, regressie en forecasting.
1. Kun je een NDA tekenen of mijn data privé houden?
Jouw bestanden worden alleen voor jouw bestelling gebruikt en op verzoek verwijderd. Fiverr's voorwaarden dekken vertrouwelijkheid; ik kan ook jouw eigen data-afhandelingsregels volgen.
1. Werk je met grote datasets?
Ja. Voor erg grote data is een representatieve steekproef meestal voldoende voor de audit.

