Model Klasifikasi Gambar Multi-Kelas
Budget: $15 – $25 USD
Saya memiliki kumpulan data gambar dan membutuhkan solusi klasifikasi yang mampu membedakan 10–50 kategori berbeda. Fokus utamanya adalah membangun pipeline end-to-end mulai dari penyiapan data sampai model siap produksi.
Ruang lingkup pekerjaan:
• Pembersihan dan augmentasi dataset gambar agar seimbang antar-kelas.
• Arsitektur model deep learning (CNN atau pendekatan vision terbaru seperti EfficientNet, ResNet, Vision Transformer—pilih yang paling cocok dengan ukuran dan keragaman data).
• Pelatihan, validasi, dan fine-tuning hyper-parameter untuk mencapai akurasi optimal tanpa overfitting.
• Evaluasi menyeluruh: confusion matrix, precision, recall, F1 per kelas, serta laporan singkat insights performa.
• Skrip inferensi atau notebook siap pakai sehingga saya bisa menguji gambar baru secara mandiri.
Kebutuhan tambahan:
• Kode harus ditulis bersih dan terdokumentasi, idealnya menggunakan Python dengan PyTorch atau TensorFlow.
• Berikan README yang menjelaskan cara menjalankan pelatihan ulang maupun inferensi.
• Jika memungkinkan, sertakan rekomendasi untuk deployment ringan (mis. REST API FastAPI atau Flask).
Saya siap memberi akses ke dataset begitu proyek dimulai serta berdiskusi tentang detail lebih lanjut (ukuran file, format label, target metrik).
Ruang lingkup pekerjaan:
• Pembersihan dan augmentasi dataset gambar agar seimbang antar-kelas.
• Arsitektur model deep learning (CNN atau pendekatan vision terbaru seperti EfficientNet, ResNet, Vision Transformer—pilih yang paling cocok dengan ukuran dan keragaman data).
• Pelatihan, validasi, dan fine-tuning hyper-parameter untuk mencapai akurasi optimal tanpa overfitting.
• Evaluasi menyeluruh: confusion matrix, precision, recall, F1 per kelas, serta laporan singkat insights performa.
• Skrip inferensi atau notebook siap pakai sehingga saya bisa menguji gambar baru secara mandiri.
Kebutuhan tambahan:
• Kode harus ditulis bersih dan terdokumentasi, idealnya menggunakan Python dengan PyTorch atau TensorFlow.
• Berikan README yang menjelaskan cara menjalankan pelatihan ulang maupun inferensi.
• Jika memungkinkan, sertakan rekomendasi untuk deployment ringan (mis. REST API FastAPI atau Flask).
Saya siap memberi akses ke dataset begitu proyek dimulai serta berdiskusi tentang detail lebih lanjut (ukuran file, format label, target metrik).
Related categories:
Python
Data Processing
Excel
Machine Learning (ML)
Statistical Analysis
Data Augmentation