Ich werde ein Betrugserkennungs- oder Klassifikations-ML-Modell in Python erstellen

Willst du Betrug erkennen, Kundenabwanderung vorhersagen, Kunden klassifizieren oder ein beliebiges binäres oder multiclass ML-Modell aus deinen Daten bauen?

Ich bin ein Python-ML-Entwickler mit 5 implementierten Machine-Learning-Projekten, darunter ein Betrugserkennungssystem mit einer ROC-AUC von 0,98, das XGBoost und SHAP-Erklärbarkeit nutzt.

Was ich liefere:

• Trainiertes ML-Modell (XGBoost, Random Forest, Logistic Regression, je nach Daten am besten geeignet)
• Vollständiger Bewertungsbericht (Genauigkeit, Präzision, Recall, F1, ROC-AUC)
• SHAP-Feature-Importance-Diagramme, damit du verstehst, warum das Modell was vorhersagt
• Sauberer, kommentierter Python-Code, den du ausführen und anpassen kannst
• Optionales Streamlit-Dashboard zur interaktiven Visualisierung der Ergebnisse

Ich arbeite mit:

• Tabellarischen Daten (CSV, Excel, SQL-Exporte)
• Unausgeglichenen Datensätzen (SMOTE, Klassen-Gewichtung)
• Jeder Art von Klassifikationsproblem wie Betrug, Abwanderung, Kreditausfallrisiko, Spam, medizinische Diagnose

Mein Portfolio umfasst:

• Betrugserkennungssystem 0,98 ROC-AUC, XGBoost + SHAP
• Kredit-Ausfallrisiko-Engine mit über 1,3 Mio. Datensätzen
• KI-Insolvenzrisiko-Analysator

Schreib mir vor der Bestellung, wenn du unsicher bist, ob dein Projekt passt. Ich sage dir ehrlich, ob es Sinn macht.