پروژه های یادگیری ماشین

### طراحی و پیاده‌سازی Knowledge Factory برای ایجنت‌های هوش مصنوعی به دنبال یک متخصص مستقل و باتجربه در حوزه هوش مصنوعی، Python، LLM/RAG و مهندسی دانش هستیم تا یک سیستم حرفه‌ای، قابل‌توسعه و قابل‌اعتماد برای تبدیل منابع مختلف به Workbookها و بسته‌های دانشی ساختاریافته طراحی و پیاده‌سازی کند. هدف پروژه ساخت یک موتور نرم‌افزاری است که بتواند منابعی مانند PDF، DOCX، XLSX و فایل‌های ساختاریافته را پردازش کرده و دانش موجود در آن‌ها را به‌صورت دقیق، منبع‌محور، قابل‌ردیابی و قابل استفاده توسط ایجنت‌های هوش مصنوعی آماده کند. سیستم باید چهار خروجی اصلی تولید کند: 1. فایل تألیف، مدیریت و بازبینی انسانی دانش؛ 2. بسته Runtime ساختاریافته برای استفاده ایجنت‌ها؛ 3. بسته تنظیم رفتار، بازیابی دانش، ورودی‌ها، خروجی‌ها و محدودیت‌های هر ایجنت؛ 4. مجموعه تست و اعتبارسنجی مستقل برای بررسی صحت محتوا، خروجی‌ها و عملکرد سیستم. دامنه پروژه شامل طراحی Schema و مدل اشیای دانشی، تعریف Source Profile و Agent Profile، پیاده‌سازی Generator و Compiler با Python، تولید Workbook و JSON، مدیریت نسخه‌ها و Hashها، Source Anchoring، تست خودکار، تشخیص محتوای تکراری یا قالبی و ساخت یک Validator مستقل و فقط‌خواندنی است. سیستم نباید به یک منبع، موضوع یا ایجنت خاص Hard-code شود و باید امکان اضافه‌کردن منابع و ایجنت‌های جدید را بدون بازنویسی معماری اصلی فراهم کند. خروجی نهایی باید شامل موارد زیر باشد: * سورس‌کد کامل و قابل‌نگهداری؛ * Repository منظم و مستند؛ * موتور تولید چهار Artifact؛ * Compiler و Independent Validator؛ * Test Suite و Test Runner؛ * نمونه مرجع قابل اجرا؛ * Build و Validation Manifest؛ * مستندات نصب، اجرا، توسعه و نگهداری؛ * راهنمای تحویل و ادامه توسعه توسط تیم داخلی. برای پروژه مجموعه‌ای از اسناد فنی، قراردادهای پیاده‌سازی، قواعد کیفیت، نمونه مرجع و معیارهای پذیرش آماده شده است که پس از بررسی اولیه در اختیار شما قرار می‌گیرد. متقاضی باید تجربه عملی در چند مورد از حوزه‌های زیر داشته باشد: * Python و معماری نرم‌افزار؛ * LLM، RAG و Agent Systems؛ * مهندسی دانش و طراحی Schema؛ * پردازش اسناد و Data Pipeline؛ * تولید برنامه‌نویسی‌شده Workbook و JSON؛ * تست خودکار و ارزیابی سیستم‌های هوش مصنوعی؛ * طراحی Compiler، Validator و سیستم‌های قابل‌بازتولید. لطفاً در پیشنهاد خود موارد زیر را ذکر کنید: * سوابق و نمونه‌کارهای مرتبط؛ * توضیح کوتاه درباره برداشت شما از پروژه؛ * معماری اولیه پیشنهادی؛ * روش جداسازی Generator از Independent Validator؛ * روش پشتیبانی از منابع و ایجنت‌های جدید؛ * ابزارها، کتابخانه‌ها و سرویس‌های مورد استفاده؛ * زمان و هزینه پیشنهادی؛ * میزان زمانی که شخصاً روی پروژه کار خواهید کرد؛ * هرگونه نیاز احتمالی به همکار یا متخصص دیگر. پیشنهادهای عمومی، آماده یا بدون توضیح فنی بررسی نخواهند شد. معیار اصلی انتخاب، توانایی عملی در ساخت یک سیستم دقیق، تست‌پذیر، قابل‌توسعه و قابل تحویل است؛ نه صرفاً عنوان شغلی یا تعداد پروژه‌های انجام‌شده.

در یک پروژه کاملا حرفه ای نیاز به کلاسترینگ دیتا با استفاده از الگوریتمهای hierarchical clustering و HDBSCAN میباشد به دلیل بزرگ بودن دیتا متخصص باید از کتابخانهCUML/ RAPIDS جهت موازی سازی پردازش برروی GPU میباشد و به لابرری مذکور اشراف داشته باشد

از متخصصینی که سابقه کار تجاری با الگریتم سری زمانی Temporal Fusion Transformer دارند دعوت به همکاری میشود پروژه فوری بوده ومتخصص باید اشراف کامل بر Multi-Head /attention Embedding برای تنظیم پارامتر ها داشته باشد همچنین متخصص باید تجربه distributes/parallel کردن دیتا را بر روی GPU داشته باشد