ФрилансерыИгорь Шаталин

Вы заказчик? Предложите Игорю работу над вашим следующим проектом. Фрилансер? Зарегистрируйте профиль и начинайте зарабатывать прямо сейчас.

Россия Волгоград, Россия
23 дня 20 часов назад
Свободен для работы свободен для работы
3 Сейфа завершены
4 месяца назад
3 заказчика
на сервисе 1 год

  • парсер
  • python
  • django
  • flask
  • нейронные сети
  • распознавание текста
  • нейросети
  • nlp
  • машинное обучение
  • sklearn
  • pytorch
  • распознавание речи
  • FastAPI
  • bert
Фрилансер Игорь Ш. — Россия, Волгоград. Специализация — Машинное обучение, Python
299

Специализация

Машинное обучение
19 место из 128
Python
229 место из 3664
Общий рейтинг 1
  15295 место из 193130

Резюме

Разработка моделей машинного обучения, компьютерная обработка текстов.

Навыки и умения

Портфолио

Сервис автоматического сбора и анализа отзывов о м

Машинное обучение


Функции сервиса:
парсинг различных ресурсов;
определение текста (медицинский / немедицинский);
определение тональности текста (положительный, нейтральный, отрицательный);
определение тематики текста (тип проблемы, жалобы);
определение медучреждения, к которому относится данный текст;
статистические показатели жалоб по регионам России (количество отзывов по месяцам; распределение отзывов на положительные, отрицательные, нейтральные; выявление основных проблем медучреждений региона и др.).

Сервис создан на языке Python с использованием Flask, Pytorch, FastText, Flair и других библиотек и модулей.

Применённые методы машинного обучения (использовались нейросети):
бинарная классификация текста;
пересекающаяся многоклассовая классификация;
анализ тональности;
выявление именованных сущностей.

#python #pytorch #textmining #нейросети #машинноеобучение #flask #fasttext #Парсинг



  78  1

Определение токсичных комментариев

Машинное обучение


Для создания векторов слов применяется эмбеддинг, реализованный по технологии Byte-Pair Encoding.

Для решения задачи бинарной классификации (toxic / nontoxic) применяется фреймворк Flair, работающий на Pytorch.

Для создания эмбеддинга документов используется 2 слоя двунаправленной сети GRU.

#python #pytorch #nlp #ml #МашинноеОбучение



  76  1

Определение тональности текста

Машинное обучение


Определение тональности текста - задача классификации. Модель разделяет комментарии на положительный и отрицательный, что является примером бинарной классификации.

В качестве векторов слов используется Byte Pair Embeddings.

Классификатор реализован с использованием фреймворка Flair, работающего на Pytorch.

#Python3 #pytorch #nlp #sentiment



  83  1
 

Отзывы и комплименты о выполненных проектах 3

Качество
Профессионализм
Стоимость
Контактность
Сроки

Отлично выполненная работа за достаточно короткий срок. При необходимости вновь обращусь к Игорю!

Качество
Профессионализм
Стоимость
Контактность
Сроки

Все отлично, полностью довольна работой, выполнено в срок. Игорь подошел с пониманием к моей нестандартной задаче. Очень рекомендую данного фрилансера!

24 апреля 2020 2 000 ₽
Python NLP nltk

Качество
Профессионализм
Стоимость
Контактность
Сроки

Отлично и быстро, еще обязательно обращусь, если будет такая необходимость.

Активность

  Последние ставки 10
Анализ текстов в Python
5 000
Разработать API на Python для сервиса ФССП
15 000
Нужен программист Pyhton
5 000
Необходимо разработать алгоритм для распознавания текста и изображений
50 000
Снижение МАЕ в актуальной модели
1 000
Нейросеть для рисования
75 000
Python разработка бекенд сервиса заказа расходников для офиса
40 000
Программист Python на сложный парсинг
1 000
Wine price lists matcher tool. With AI and ML
150 000
ML algo для поиска возможных плохих статей.
5 000