Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich entwerfe Signalverarbeitungs- und Deep-Learning-Modelle in Python
Embedded Hardware, Flugsteuerung und ML-Ingenieur
Ich überbrücke die Lücke zwischen Bare-Metal-Firmware und kompakter Hardware-Entwicklung. Ich spezialisiere mich auf die Entwicklung von maßgeschneiderten Multi-Layer-PCBs (ESP32, LoRa, Mobilfunk, GPS...
Über diesen Service
Verwandle Rohdaten von Signalen in umsetzbare Erkenntnisse.
Ich erstelle maßgeschneiderte Signalverarbeitungs-Pipelines und Deep-Learning-Modelle für 1D/2D Sensor-, Audio- und Bilddaten.
Kernfähigkeiten:
Signalvorverarbeitung: Merkmalsextraktion mit PyWavelets (Continuous Wavelet Transforms) und OpenCV.
Deep Learning: Maßgeschneiderte Convolutional Neural Networks (CNNs), die in TensorFlow und Keras gebaut und trainiert werden.
Reine Python-Algorithmen: Grundlegende Matrixlogik und Algorithmus-Implementierung ohne schwere ML-Bibliotheken für hardwarebeschränkte Systeme.
Lieferumfang:
Dokumentierter Python-Quellcode.
Vorverarbeitete Merkmalsmatrizen.
Trainierte neuronale Netze mit vollständigen Evaluierungsmetriken.
Bitte schreibe mir vor der Bestellung, um deine Dataset-Struktur und Architektur-Anforderungen zu besprechen.
Programmiersprache:
Python
Frameworks:
scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
APIs:
Microsoft Computer Vision AI
Tools:
opencv
•
OpenNN
•
tensorflow
•
SimpleCV
Mein Portfolio
FAQ
Automatische Übersetzung
Mit welchen Arten von Rohdaten kannst du arbeiten?
Ich arbeite mit 1D- und 2D-Signalen, inklusive Rohdaten von Zeitreihen-Sensoren, Audioaufnahmen (.wav), Laserbildarrays und Matrizen-Datensätzen im CSV-, JSON- oder NumPy-Format (.npy).
Kannst du Algorithmen in reinem Python ohne schwere ML-Bibliotheken umsetzen?
Ja. Wenn dein Projekt Hardwareeinschränkungen hat oder eine individuelle Algorithmusgestaltung erfordert, kann ich Modelle, Gradient-Descent-Routinen und Matrix-Transformationen mit reinem Python und NumPy bauen.
Welche Signalvorverarbeitungstechniken wendest du an?
Ich nutze Continuous Wavelet Transforms (CWT via PyWavelets), Fourier-Transformations (FFT/Spektrogramme), Rauschfilterung und OpenCV-Feature-Extraction, um Rohsignale für Deep Learning vorzubereiten.
Welche Dateien erhalte ich nach Abschluss?
Du erhältst vollständig dokumentierten Python-Quellcode, vorverarbeitete Merkmalsmatrizen, die trainierten Modell-Dateien (.keras / .h5) und vollständige Leistungsdiagramme (Verlustkurven, Genauigkeit, Confusion Matrix).
