Ik bouw uitlegbare machine learning- en deep learning-modellen in Python
AI- en machine learning-ingenieur, deep learning, computer vision, NLP
Over deze dienst
Nodig hebt aan een model dat nauwkeurig is en elke voorspelling kan uitleggen? Ik bouw machine learning- en deep learning-modellen in Python en laat zien waarom ze bepaalde beslissingen nemen, met SHAP, LIME en Grad CAM.
Wat ik bouw
Classificatie- en voorspellingsmodellen voor tabeldata, afbeeldingen en grafiekdata
Diepgaande leren met PyTorch, TensorFlow en Keras
Ensembles zoals EfficientNet, Random Forest en XGBoost
Class-balancing, inclusief synthetische data met CTGAN
Wat je krijgt
Schoon, geannoteerde Python-notebook en opgeslagen model
Nauwkeurigheid, F1, ROC AUC en verwarringsmatrix op onaangewezen testdata
Uitleg met SHAP, LIME of Grad CAM
Een duidelijke Engels verslag van de resultaten
Aangetoonde resultaten
91,49% nauwkeurigheid en 0,9731 ROC AUC, diabetesretinopathie-ensemble
0,9941 macro F1, 5G-inbraakdetectie op 243.136 echte flows
96,47% nauwkeurigheid, GraphSAGE op een IoT-grafiek met 7,8 miljoen knopen
Waarom voor mij kiezen
Resultaten waarvan je kunt vertrouwen, altijd getest op data die het model nooit heeft gezien
Sterke wiskundige achtergrond (MS Wiskunde), dus elke keuze is gerechtvaardigd
Gratis haalbaarheidscheck voordat je bestelt
Updates bij elke stap en hulp bij het draaien van de code na levering
Stuur me jouw data en doel en ik geef je een duidelijk plan terug.
Programmeertaal:
Python
•
Colab
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
•
tensorflow
Andere Data science en ML diensten die ik aanbied
Veelgestelde vragen
Automatische vertaling
Welke data heb je nodig?
Een voorbeeld van jouw data met de doelf column of labels, plus een korte notitie over jouw doel. CSV, Excel, beelden of een publieke dataset-link werken allemaal.
Welke uitlegmogelijkheden gebruik je?
SHAP voor feature importance, LIME voor enkele voorspellingen en Grad CAM-heatmaps voor beeldmodellen. Ik kies wat bij jouw data past.
Krijg ik de broncode?
Ja. Elk pakket bevat het commented notebook of Python-script en het opgeslagen model.
Hoe zorg je dat de resultaten betrouwbaar zijn?
Ik houd een apart testset waar het model tijdens training nooit bij komt en rapporteer resultaten alleen daarop.
Kun je mijn bestaande model verbeteren?
Ja. Stuur jouw code en data, en ik zal ze beoordelen, hertrainen en de veranderingen uitleggen.

