Обучу модель машинного обучения или ИИ по вашему набору данных — от постановки задачи до готового решения. Работаю с моделями классификации, регрессии, кластеризации и др., используя библиотеки Python (Scikit-learn, XGBoost, CatBoost, LightGBM, PyTorch и др.).
Что входит в услугу:
- Простая предобработка и подготовка данных к обучению: очистка, масштабирование, кодирование категориальных признаков
- Выбор и обучение модели по предоставленным данным и заданной метрике
- Настройка гиперпараметров, валидация (в т.ч. кросс-валидация)
- Оценка качества модели, визуализация результатов
Дополнительно:
- Сравнение нескольких моделей и выбор наилучшей
- Расширенная предобработка данных
- Обучение своей модели (предоставленной заказчиком)
Работа ориентирована на прикладной результат: обученная модель, готовая к использованию, и понятный, документированный код, который можно повторно запускать или модифицировать под новые данные.
Заказчик получит:
Файл .ipynb/.py с решением, веса и гиперпараметры обученной модели, результат работы модели
До начала работы заказчик должен предоставить:
- Данные в формате .csv, .xlsx (Excel), SQL и в других табличных форматах
- Описание решаемой задачи, целевой метрики (по желанию -- требуемая модель)