Apprentissage automatique et analyse de données avec Python (prédiction, classification, séries temporelles)

Je crée et compare des modèles d’apprentissage automatique à partir de données tabulaires avec Python (scikit-learn, XGBoost, TensorFlow/PyTorch).

Ce que vous obtenez :
- Nettoyage et prétraitement des données (valeurs manquantes, valeurs aberrantes, déséquilibre des classes)
- Entraînement et comparaison de 2 à 3 modèles (par exemple, Random Forest, réseau neuronal, XGBoost)
- Évaluation à l’aide des métriques adaptées (rappel, F1, ROC-AUC, RMSE, etc.)
- Rapport clair avec graphiques et code bien documenté
- En option : déploiement sous forme d’API (FastAPI/Docker)

Adapté à la prédiction sur des données médicales, à la prévision des prix (séries temporelles), à la prédiction des ventes ou du comportement client, ainsi qu’aux projets de recherche universitaire.

Déroulement :
1. Envoyez-moi une brève description de votre jeu de données et de votre objectif
2. Je confirme le périmètre, le délai et le prix final
3. Je vous livre les modèles, le rapport et le code

Le tarif de départ s’applique à un petit jeu de données (jusqu’à environ 10 000 lignes). Les projets plus volumineux ou complexes font l’objet d’un devis personnalisé.