Ich werde computervision- und prädiktive Machine-Learning-Modelle erstellen

Ein Modell, das in einem Notebook 95 % erreicht und auf deinen echten Daten nur 60 %, ist kein echtes Modell – es ist ein Leck im Validierungs-Split.

Ich baue Modelle, die auch außerhalb des Notebooks funktionieren, und liefere die Zahlen, die wirklich zählen – nicht die, die am besten aussehen.

Ich bin ML-Ingenieur mit über 4 Jahren Erfahrung in der Produktion von ML. Fertiggestellt: radiografische Analyse mit 95 % Genauigkeit, die die Diagnosedauer um 40 % verkürzt hat, CNN-Klassifikation mit 92 % bei TensorRT und ein XGBoost-Churn-Modell mit 87 %.

WAS ICH BAUE

Bildklassifikation, Objekterkennung, Segmentierung, OCR

Defekt- und Qualitätsprüfung

Churn-, Nachfrage- und Risikovorhersage

Zeitreihenprognosen und tabellarische Regression

WIE ICH ARBEITE

Per-Klassen-Metriken und Verwirrungsmatrizen, nicht nur eine Zahl

Richtige gehaltene Validierung – kein Leakage, kein Train-on-Test

Augmentation und Transferlernen, wenn gelabelte Daten knapp sind

Optimierung der Inferenz für Hardware, die du dir leisten kannst

Eine ehrliche Antwort, wenn deine Daten die Genauigkeit nicht unterstützen

STACK

PyTorch, TensorFlow, Scikit-Learn, XGBoost, OpenCV, YOLO, ONNX, TensorRT, FastAPI, Docker, AWS/GCP/Azure

Schreib mir, worauf du vorhersagst und welche Daten du hast. Wenn das Dataset das nicht unterstützt, sage ich dir das lieber jetzt, bevor du zahlst.