Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik bouw een lokale ml e-commerce forecasting app in streamlit sql
Data Science en AI adviseur
Hoi, ik ben SOHEL RANA, een toegewijde Data Driven AI Services die zich richt op het helpen groeien van bedrijven.
Met meer dan 4 jaar praktische ervaring, specialiseer ik me in het leveren van hoogwa...
Over deze dienst
Stop met het betalen van terugkerende maandelijkse SaaS cloudkosten. Houd je bedrijfsdata 100% privé en GDPR-conform met een op maat gemaakte, lokale Python AI-oplossing.
Ik ontwikkel standalone, offline Machine Learning (ML) en Deep Learning (DL) forecasting webapps op maat voor Amazon, Shopify en retailmerken.
Leveringsproces:
Je ontvangt een offline workspace. Pak het uit, open je terminal, typ python run.py, en het dashboard wordt automatisch in je lokale browser geopend.
Belangrijkste technische functies:
- Dubbele integratie: Verbinden via CSV/Excel spreadsheets OF direct ophalen uit live lokale databases (MySQL, PostgreSQL, SQLite).
- Voorspellende AI: Hoogprecisie tijdreeks forecasting (XGBoost, Prophet of LSTM) om seizoensgebonden vraag en herbevoorradingspunten in kaart te brengen.
- Interactieve UI: Dynamische grafieken, herbevoorradingsmatrices en download samenvattingen.
Tiers in een oogopslag:
- Basis: Data ledger logica audit & preprocessing Python cleanup script.
- Standaard: Kern ML-engine + Streamlit uploader app voor Excel/CSV bestanden.
- Premium: Geavanceerde voorspellende ML-engine + directe SQL live database integratie.
Stuur me een bericht om je dataset schema te controleren voordat je bestelt!
Programmeertaal:
Python
•
SQL
•
Colab
Frameworks:
Scikit-learn
•
Panda
Tools:
Jupyter-notitieboek
•
tensorflow
•
Excel
•
Colab
Andere Data science en ML diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
Hoe maakt de app verbinding met mijn database?
Ik configureer veilige Python SQL-connector (zoals SQLAlchemy of psycopg2) om je transactie tabellen veilig naar de Streamlit UI te streamen.
Zal het mijn SQL-server vertragen?
Nee. Ik gebruik Streamlit @st.cache_data functies om query-resultaten te cachen, zodat de server niet constant belast wordt en de app razendsnel blijft.
Welke database-engines worden ondersteund?
Elke database met een Python-driver, waaronder PostgreSQL, MySQL, SQLite, Snowflake en BigQuery.
Hoe worden datagaten of ontbrekende waarden afgehandeld?
De geautomatiseerde pipeline bevat SQL/Pandas data-cleaning scripts die ontbrekende transactiedagen automatisch forward-fillen of zero-fillen.
Welke forecasting-algoritmes gebruik je?
Ik gebruik vooral Prophet voor seizoensgebonden retail tracking, samen met scikit-learn modellen voor basale lineaire regressies.
Kan de app omgaan met feestdagen en Black Friday pieken?
Ja. Ik voeg aangepaste historische feestdagen toe aan het model via SQL om een nauwkeurige tracking van jaarlijkse e-commerce pieken te garanderen.
Kan ik de data uit de app exporteren?
Ja. Gebruikers kunnen elke gegenereerde forecast-tabel direct downloaden als CSV of Excel-bestand met behulp van ingebouwde Streamlit-knoppen.
Is 'What-If' scenario testing inbegrepen?
Ja. Ik bouw interactieve sidebar sliders waarmee je omzetveranderingen kunt simuleren door prijzen of advertentiebudget aan te passen.
