Auditaré tu modelo de aprendizaje automático para fugas de datos y sobreajuste
Ingeniero de ML, convirtiendo datos en soluciones inteligentes
Acerca de este Servicio
¿La precisión del 99% de tu modelo parece demasiado buena para ser verdad? A menudo lo es. Fugas de datos, divisiones de validación incorrectas y probabilidades no calibradas hacen que los modelos brillen en un cuaderno y fallen en producción.
Audito tu pipeline de aprendizaje automático, muestro exactamente qué está inflando tus resultados y te ayudo a solucionarlo.
Reviso:
- Fugas de datos objetivo, temporal y de grupo
- Diseño de división train, validación y test
- Sobreajuste y elección de métricas para tu problema
- Calibración de probabilidades y desequilibrio de clases
- Robustez con pruebas placebo y fuera de tiempo
Soy ingeniero de IA y autor principal de varios artículos revisados por pares IEEE. Uso estas comprobaciones como estándar en mi propio trabajo, por ejemplo, un modelo de mortalidad en UCI validado en un conjunto de datos hospitalario separado.
Obtendrás un informe escrito claro clasificado por impacto, y en paquetes superiores un cuaderno corregido con resultados antes/después.
Lenguaje de programación:
Python
•
R
•
SQL
•
Colab
Tecnología:
Python
•
R
•
TensorFlow
•
PyTorch
•
scikit-learn
•
Pandas
Mi porfolio
FAQ
Traducción automática
1. ¿Qué necesito enviar?
Tu cuaderno o scripts, el conjunto de datos o una muestra representativa, y una nota corta sobre qué predice el modelo y cómo se empleará.
1. ¿Qué pasa si tu auditoría descubre que mi precisión baja?
Ese es el objetivo de la auditoría: un número más bajo y honesto ahora es mucho más barato que un modelo que falla después del lanzamiento. Explico cada causa y cómo solucionarla.
1. ¿Qué modelos cubres?
ML tabular (scikit-learn, XGBoost, LightGBM), series temporales y aprendizaje profundo en PyTorch, para clasificación, regresión y pronóstico.
1. ¿Puedes firmar un NDA o mantener mis datos privados?
Tus archivos se usan solo para tu pedido y se eliminan si lo solicitas. Los términos de Fiverr cubren la confidencialidad; también puedo seguir tus propias reglas de manejo de datos.
1. ¿Trabajas con conjuntos de datos grandes?
Sí. Para datos muy grandes, normalmente basta una muestra representativa para la auditoría.

