Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich erstelle eigene NLP- und Sentiment-Analyse-Modelle in Python
KI- und ML-Ingenieur
Ich bin ein Machine Learning Engineer mit Erfahrung in der Entwicklung von Machine Learning-, Deep Learning-, Computer Vision- und Natural Language Processing (NLP)-Lösungen mit Python. Ich erstelle z...
Über diesen Service
<p suchst du nach einer Möglichkeit, Text- oder Audiodaten zu analysieren, Sprache zu transkribieren oder individuelle KI-Klassifikationsmodelle zu erstellen? Dann bist du hier genau richtig!
Ich bin ein Machine Learning Engineer, spezialisiert auf NLP, Textanalyse und Audio-KI in Python. Ich entwickle End-to-End-Pipelines, die auf dein Dataset zugeschnitten sind, unter Verwendung moderner Text- und Sprachbibliotheken.
Was ich anbiete:
- Text- & Audio-Vorverarbeitung: Tokenisierung, Lemmatisierung, Stop-Wort-Entfernung, Reinigung und Audio-Signalverarbeitung.
- Sprach- & Audio-NLP: Audio-Transkription mit OpenAI Whisper, Audio-Feature-Extraktion (MFCCs/Spektrogramme mit Librosa) und Sprachdatenanalyse.
- Sentiment-Analyse: VADER regelbasierte Sentiment-Analyse, Kundenrezensionsbewertung und Analyse sozialer Rückmeldungen.
- Textklassifikation: Themenkategorisierung, Spam-Erkennung und Intent-Erkennung mit Scikit-Learn-Algorithmen (Naive Bayes, Random Forest, XGBoost).
- Lokale API-Integration: Verpackung deiner Text- oder Audio-Pipeline in einen leichten FastAPI-Endpunkt (app.py).
Technologie-Stack:
- Sprache: Python
- Bibliotheken: Whisper, Librosa, Scikit-Learn, NLTK, SpaCy, Pandas
- Umgebung: Google Colab / Jupyter Notebooks (.ipynb)
- API: FastAPI
Bitte schreib mir vor der Bestellung eine Nachricht mit deinen Projekt-Details!
Programmiersprache:
Python
Frameworks:
scikit-learn
•
Panda
•
Andere
APIs:
Andere
Tools:
Jupyter-Notizbuch
•
Colab
Mein Portfolio
Meine weiteren Dienstleistungen im Bereich Datenwissenschaft & ML
FAQ
Automatische Übersetzung
In welchen Formaten erhalte ich meine finalen Ergebnisse?
Du erhältst ein sauberes, vollständig kommentiertes Google Colab Notebook (.ipynb) oder eigenständige Python-Skripte (.py), zusammen mit trainierten Modell-Dateien (.pkl / .joblib), Audioverarbeitungs-Skripten und Modellbewertungsmetriken.
Kannst du Sprach- und Audiodaten neben Text verarbeiten?
Ja! Ich nutze OpenAI Whisper für hochpräzise Sprach-zu-Text-Transkriptionen und Librosa für die Extraktion von Audio-Features (MFCCs, Spektrogramme). Ich kann transkribierte Sprachdaten direkt in Sentiment-Modelle wie VADER oder eigene Textklassifikatoren einspeisen.
Bietest du Cloud-Deployment für Modelle oder Audio-Pipelines an?
Nein, ich biete kein Cloud-Hosting (AWS/GCP/Heroku) an. Allerdings kann ich dein vollständiges Text- oder Audioverarbeitungsmodell in ein sauberes, leichtgewichtiges lokales FastAPI-Skript (app.py) packen, das bereit für die lokale Integration ist.
Welche Dataset- oder Dateiformate soll ich bereitstellen?
Für Textdaten akzeptiere ich CSV-, JSON-, Excel- oder TXT-Formate. Für die Audioverarbeitung kannst du WAV-, MP3- oder FLAC-Dateien direkt hochladen oder einen Google Drive-Download-Link teilen.
