Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Vou construir modelos de aprendizado de máquina e aprendizado profundo para dados de pesquisa
Dos dados brutos ao modelo treinado e ao produto ao vivo, de ponta a ponta!
Estatístico aplicado, pesquisador de ML/DL e desenvolvedor web (MSc em Estatística, Univ. de Rajshahi). Trabalho completo — desde dados brutos até modelo treinado e produto web ao vivo.
Sete artigos ...
Sobre este Serviço
Oi, eu sou o Fahim, pesquisador de IA/ML com formação em Estatística. Eu crio modelos defensáveis de aprendizado de máquina, aprendizado profundo e redes neurais para autores de teses, autores de periódicos e analistas que precisam de um resultado que passe na revisão.
O que você vai receber:
- Notebook em Python ou R, dados limpos, modelos validados
- 4-6 figuras prontas para publicação, métricas com intervalos de confiança
- Nota de métodos pronta para tese ou resposta ao revisor
- Suporte a revisões para pacotes premium
Métodos que eu cubro:
- Classificação, regressão, clustering, previsão de séries temporais
- Validação cruzada, bootstrap, testes de permutação, SHAP, importância de features
- Regressão logística, Random Forest, XGBoost, LightGBM, ARIMA, Prophet, LSTM, BERT, CNN, Transformer e outros
- Qualquer outro método que você queira incluir!
Por que me escolher:
- Pesquisador de IA/ML com artigos publicados como autor principal
- Fluxos de trabalho testados em revisão por pares, não apenas ajustados por métrica
- Dados confidenciais, resposta em horas, revisões alinhadas ao escopo
Não sabe qual método se encaixa melhor? Envie seu objetivo de pesquisa, variável alvo e uma amostra.
Você receberá uma recomendação e um pacote ou oferta personalizada em até uma hora.
Meu portfólio
Outros serviços de Ciência de dados e ML que eu ofereço
Perguntas frequentes
Tradução automática
Que tipos de problemas de ML posso trazer?
Classificação, regressão, clustering, previsão, comparação de modelos, seleção de features ou tarefas de explicabilidade. O serviço lida com conjuntos de dados tabulares, séries temporais, texto e pesquisas em escala de pesquisa.
Python ou R?
Qualquer um, ou ambos. Notebooks entregues em Jupyter ou R Markdown. Reprodução entre linguagens disponível como complemento se um coautor usar a outra ferramenta.
Quais modelos funcionam para meus dados?
Opções comuns incluem Regressão Logística, Random Forest, XGBoost, LightGBM, SVM, ARIMA, SARIMA, Prophet, LSTM, GRU, BERT e redes neurais personalizadas quando os dados justificam. Compartilhe o objetivo e uma amostra primeiro. O modelo certo depende da sua pergunta, não de preferência.
O código será reutilizável?
Sim. O notebook inclui comentários, notas de biblioteca e uma estrutura limpa para que um coautor ou supervisor possa rerodar todo o fluxo de trabalho.
Você pode recomendar um método antes de eu fazer o pedido?
Sim. Envie o objetivo da pesquisa, variável alvo, formato do conjunto de dados e prazo. Você receberá uma recomendação de método e o pacote adequado em até uma hora.
Isso é permitido para trabalhos de tese ou periódico?
Sim, como suporte ético à pesquisa. O serviço entrega modelagem, validação, código, figuras, interpretação e ajuda na revisão.
Você consegue melhorar um modelo existente?
Sim. Compartilhe o código ou notebook atual. Você receberá uma revisão, pré-processamento aprimorado, ajuste, comparações alternativas, validação adicional ou saídas mais claras.
E se meus dados estiverem bagunçados ou incompletos?
Limpeza, tratamento de valores ausentes, codificação, verificações de desequilíbrio e um rastro documentado de pré-processamento fazem parte de todo pacote.
Que tipos de figuras vou receber?
Matrizes de confusão, curvas ROC e PR, gráficos de calibração, importância de features, visuais SHAP, gráficos de previsão e tabelas de comparação de modelos. Tudo estilizado para submissão em periódicos.
Devo enviar uma mensagem antes de fazer o pedido?
Sim. O pacote adequado depende do tamanho do conjunto de dados, variável alvo, tipo de modelo e prazo. Uma verificação de escopo de dois minutos agora evita o pacote errado depois.
