السلام عليكم،
هل لديك Dataset وتريد بناء نموذج Machine Learning وتقييم أدائه؟
سأساعدك في بناء نموذج تعلم آلي باستخدام Python وScikit-learn، بدايةً من تجهيز البيانات وحتى تدريب النموذج وتقييم نتائجه.
تشمل الخدمة:
فحص البيانات ومعالجة Missing Values عند الحاجة.
تطبيق Data Preprocessing المناسب.
اختيار وتدريب نموذج واحد.
تقييم الأداء باستخدام Metrics مناسبة للمهمة.
تسليم Python Code وJupyter Notebook منظمين مع شرح النتائج.
المهام المتاحة:
Classification (التصنيف).
Regression (الانحدار).
Clustering (التجميع).
حدود الخدمة: Dataset حتى 10,000 صف، ومهمة واحدة باستخدام نموذج واحد.
تتوفر تطويرات مدفوعة لمقارنة عدة نماذج، وتحسين إعداداتها باستخدام Hyperparameter Tuning، وإنشاء واجهة تفاعلية باستخدام Streamlit.
يسعدني مساعدتك في تحويل بياناتك إلى نتائج واضحة وقابلة للتقييم.
فحص البيانات وتنظيفها ومعالجة Missing Values، مع تطبيق Preprocessing المناسب وتجهيز البيانات للتدريب.
اختيار خوارزمية Machine Learning واحدة مناسبة لطبيعة المشكلة والبيانات، ثم تدريب النموذج.
تقييم أداء النموذج باستخدام Metrics مناسبة، مثل Accuracy وF1-score للتصنيف، أو MAE وR² للانحدار، أو Silhouette Score للتجميع.
تسليم Python Code وJupyter Notebook منظمين، مع نتائج التقييم وشرح مختصر لأداء النموذج.
ملف يحتوي على خطوات فحص البيانات وتجهيزها وتدريب النموذج وتقييمه.
الكود المستخدم في معالجة البيانات وبناء النموذج وتدريبه.
ملف النموذج المدرّب بصيغة مناسبة لإعادة استخدامه، وفقًا لنوع النموذج والمكتبات المستخدمة.
ملخص لأداء النموذج باستخدام المقاييس المناسبة، مع توضيح النتائج الأساسية.
مقارنة 3 نماذج Machine Learning
10.00
|
|
تحسين أداء النموذج باستخدام Hyperparameter Tuning
10.00
|
|
إنشاء واجهة تفاعلية باستخدام Streamlit
15.00
|
مقارنة 3 نماذج Machine Learning
10.00
|
|
تحسين أداء النموذج باستخدام Hyperparameter Tuning
10.00
|
|
إنشاء واجهة تفاعلية باستخدام Streamlit
15.00
|