Ich erstelle, trainiere und bewerte Modelle des maschinellen Lernens und stimme LLMs feinab


Über diesen Service
Automatische Übersetzung
Du brauchst ein Machine-Learning-Modell, das tatsächlich funktioniert? Ich trainiere, feine es an und bewerte es für dich – mit klaren Messgrößen, denen du vertraust.
Was ich kann:
- Datenbereinigung, Vorverarbeitung und Merkmalsentwicklung
- Klassifikation, Regression, NLP- und Computer-Vision-Modelle
- Feintuning mit scikit-learn, TensorFlow und Hugging Face Transformers (einschließlich Open-Source-LLMs)
- Hyperparameter-Tuning und Kreuzvalidierung
- Evaluationsbericht: Genauigkeit, Präzision, Recall, F1, ROC-AUC und Konfusionsmatrix
- Bereitstellungsfertige API für dein trainiertes Modell
Du erhältst sauberen, kommentierten Python-Code (Jupyter-Notebook oder Script), das trainierte Modell und einen einfachen Englisch-Bericht der Ergebnisse.
Über mich: MSc in Artificial Intelligence (NED University), Universitätsdozent für Maschinelles Lernen und zertifiziert in Machine Learning mit Python (IBM) und scikit-learn (DataCamp).
Sende mir vor der Bestellung deine Datensätze und dein Ziel, damit ich das passende Paket empfehlen kann.
Lerne Moin Jamal kennen
AI Engineer and Full Stack Developer
- AusPakistan
- Mitglied seitJuli 2020
Sprachen
Urdu, Deutsch, Spanisch, Englisch, Chinesisch, Hindi
Automatische Übersetzung
Mein Portfolio
Meine weiteren Dienstleistungen im Bereich KI-Entwicklung
FAQ
Automatische Übersetzung
Was brauchst du von mir, um ein Machine-Learning-Modell zu trainieren?
Dein Datensatz (oder ein Muster), das Geschäftsziel und die Metrik, die dir am wichtigsten ist, z. B. Genauigkeit, F1-Score oder RMSE. Ich bestätige die Machbarkeit, bevor du bestellst.
Welche Tools und Frameworks für maschinelles Lernen nutzt du?
Python mit scikit-learn, TensorFlow, PyTorch und Hugging Face Transformers für Deep Learning und Feintuning von LLMs, plus Pandas und NumPy für die Datenaufbereitung.
Bekomme ich das trainierte Modell und den Quellcode?
Ja. Du erhältst die trainierte Modell-Datei, ein sauberes Jupyter-Notebook bzw. Python-Skript und einen Auswertungsbericht, der die Leistung des Modells verständlich erklärt.
