Ik bouw en implementeer een op maat gemaakt machine learning-model met fastapi

S
spandan_ml
S
spandan_ml
Spandan Das
Sommige informatie is automatisch vertaald.
build and deploy a custom machine learning model with fastapi
Volledig scherm
build and deploy a custom machine learning model with fastapi
Volledig scherm
build and deploy a custom machine learning model with fastapibuild and deploy a custom machine learning model with fastapi

Over deze dienst

Automatische vertaling

Ben je op zoek naar een op maat gemaakt ML-model dat echt werkt in productie, niet alleen in een Jupyter-notebook?

Ik ontwikkel end-to-end machine learning oplossingen: van data preprocessing en modeltraining tot deployment als een live REST API. Mijn werk omvat beeldclassificatie, NLP, fraudedetectie, tijdreeksvoorspellingen en reinforcement learning.

Wat je krijgt:

  • Getraind model op jouw dataset
  • FastAPI backend met gedocumenteerde endpoints
  • Streamlit dashboard (optioneel)
  • GitHub repository met schone, commentaar gevulde code
  • Deployment op HuggingFace Spaces of jouw favoriete platform

Mijn recente projecten omvatten een realtime fraudedetectiesysteem (97,6% AUC), een platform voor medische beeldvorming met 4 CNNs, en een sentimentanalyse-engine voor financiën met live datastromen.

Ik communiceer volledig via tekst, snelle antwoorden, duidelijke updates, geen verrassingen.

  • Type app

    • Webapplicatie

  • Desktop Frameworks

    • Overige

  • AI-type

    • Overige

  • Programmeertaal

    • Python

  • Web Frameworks

    • Overige

  • No & Low-Code Builders

    • Replit

Maak kennis met Spandan Das

Spandan Das

ML Engineer, Computer Vision, NLP and Model Deployment

  • Afkomstig uitIndia
  • Lid sindsapr 2026

  • Talen

    Engels
I build production-grade ML systems — from model training to deployed APIs. My work spans computer vision (CNNs, GRAD-CAM), NLP (BERT, sentiment analysis), reinforcement learning, and graph neural networks, shipped with FastAPI and Streamlit. Recent projects: real-time fraud detection at 97.6% AUC (GraphSAGE + Kafka), multi-modal medical imaging (4 ResNet50 CNNs + DQN triage), and a financial sentiment engine (FinBERT + BiLSTM + XGBoost) with live data pipelines.

Automatische vertaling

Mijn portfolio

Gerelateerde tags