Ich erstelle Python-Webapps für die Textklassifikation im maschinellen Lernen mit Streamlit
Angewandter KI-Ingenieur
Über diesen Service
Benötigst du eine Web-App zur Textklassifikation?
Ich erstelle Textklassifikations-Apps mit Python, Streamlit und scikit-learn, wobei Sentiment-Analyse als Kernanwendungsfall dient.
Was die App kann
- Einzelnen Text klassifizieren und eine vorhergesagte Label liefern.
- CSV-Dateien verarbeiten, indem die Textspalte ausgewählt wird (Standard/Standard+).
- Herunterladbare Vorhersagen und Übersichtsdiagramme bereitstellen (Premium).
- Vordefinierte Labels vorhersagen, statt offene Antworten zu generieren.
Beispielprojekt: Eine Social-Media-Sentiment-App, die Text als Positiv, Neutral oder Negativ einordnet.
Pakete
Basic verwendet ein vorhandenes trainiertes Sentiment-Modell nur für einzelne Texteingaben; es wird nicht mit deinen Daten neu trainiert. Standard trainiert einen Textklassifikator aus einem gelabelten Datensatz und unterstützt Einzel- und CSV-Batch-Vorhersagen. Premium ergänzt den Vergleich von bis zu 2 Modellen, Feinabstimmung und ein Ergebnis-Dashboard.
Vor einer Bestellung
Teile dein Ziel, Beispielt Text, erwartete Labels und einen gelabelten Datensatz für benutzerdefiniertes Training. Ich bestätige den Umfang, bevor es losgeht.
Hinweis: Die Ergebnisse hängen von der Datenqualität und dem Textbereich ab; eine konkrete Genauigkeit kann nicht garantiert werden. Hosting, Authentifizierung, Datenbanken, Zahlungssysteme und komplexe Integrationen sind ausgeschlossen. LLM-basierte Clas
Expertise:
Klassifizierung
•
Stimmungsanalyse
Programmiersprache:
Python
Frameworks:
scikit-learn
•
Andere
Tools:
Jupyter-Notizbuch
•
Colab
Mein Portfolio
Meine weiteren Dienstleistungen im Bereich Datenwissenschaft & ML
FAQ
Automatische Übersetzung
Was brauchst du von mir, um anzufangen?
Bitte teile dein Projektziel, Beispieltext, erwartete Labels und einen relevanten Datensatz. Für benutzerdefiniertes Modelltraining wird ein geeignetes gelabeltes Datensatz benötigt. Ich bestätige den Umfang vor dem Start.
Welche Textarten kann deine App klassifizieren?
Die App kann Sentiment-Analysen und passende Textklassifikationsaufgaben unterstützen, wie z. B. vordefinierte Kategorien zu Text zuordnen. Die Machbarkeit hängt von deinen Anforderungen, Daten und dem gewählten Paket ab.
Was ist im Basispaket enthalten?
Basic verwendet ein geeignetes vorhandenes Sentiment-Modell für einzelne Texteingaben. Enthalten sind die Streamlit-Oberfläche, Sentiment-Vorhersagen, Quellcode und Installationsanleitung. Benutzerdefiniertes Training des Modells und CSV-Batch-Analysen sind ausgeschlossen.
Kannst du ein Modell mit meinem eigenen Datensatz trainieren?
Ja. Standard und Premium beinhalten benutzerdefiniertes Training eines Textklassifikators mit einem passenden gelabelten Datensatz. Der Datensatz muss Textbeispiele und deren korrekte Labels enthalten.
Kann ich eine CSV hochladen und mehrere Texte analysieren?
Ja. Standard und Premium unterstützen CSV-Uploads, Text-Spalten-Auswahl, Batch-Vorhersagen, Vorschau der Ergebnisse und herunterladbare Vorhersagen. Dateigröße und Eignung des Datensatzes müssen im Rahmen des vereinbarten Umfangs bleiben.
Was ist der Unterschied zwischen Standard und Premium?
Standard umfasst einen trainierten Textklassifikator und CSV-Batch-Analyse. Premium fügt den Vergleich von bis zu zwei Modellen, Feinabstimmung des gewählten Modells und ein Dashboard mit Diagrammen und Zusammenfassungsstatistiken hinzu.
Kannst du eine bestimmte Genauigkeit garantieren?
Nein. Die Ergebnisse hängen von der Datenqualität, Label-Konsistenz, Text-Domain und der Eignung des Modells ab. Ich bewerte das Modell mit passenden Kennzahlen, wenn das Training des Modells enthalten ist.
Wirst du die Anwendung online hosten?
Hosting und Cloud-Bereitstellung sind in den Standard-Paketen nicht enthalten. Der Deliverable ist eine Streamlit-Anwendung mit Quellcode und Anleitungen, wie man sie lokal ausführt.
Baust du LLM-Chatbots oder fügst Authentifizierung und Datenbanken hinzu?
Diese Features liegen außerhalb des Standardumfangs. Eine LLM-basierte Klassifikation kann separat besprochen werden, aber Machbarkeit, Anbieter-Anforderungen und potenzielle API-Kosten müssen vor Annahme des Projekts bestätigt werden.

