پروژه های یادگیری ماشین

این پروژه ۳ مرحله اس: الان برای مرحله ی اول و‌دوم Psd، autocorrelation and Peaks که توی پی دی اف میبینید، این مبلغ گذاشتم تا مطمین شیم میتونیم همکاری کنیم برای هر مرحله ادامه میدیم کارلنسر قبلی اینجا فقط از AI استفاده کرد. اگر تسلط روی سیگنال ندارید لطفا قبول نکنید. Read the pdf down below

سلام من یک نوت بوک پایتون دارم که در دو بخش، اول جهت حرکت فردا رو در 3 طبفه مثبت/خنثی/منفی با الگوریتم های XGBoost, LightGBM, تشخیص داده. در بخش دوم با الگوریتم های LSTM , GRU قیمت رو تشخیص داده. (خروجی این دو به هم متصل نیستند) داده هاش تا اواسط بهمن سال گذشته ست (ترین و تست). تستش حدود 595 روز بوده. (دیتاست موجوده - از وبسایت CoinmarketCap دریافت کرده بودم) البته بخش های اضافه ای هم داخل نوت بوک هست که نیازی بهشون ندارم (مثلا جاهایی که کامنت شده یا افق زمانی پیشبینی گسترده تر از 1 روز شده) نتیجه کدها این بود که مدل XGBoost با اندکی دقت بیشتر از LightGBM بهترین تشخیص رو در جهت داشت (دقت حدود 90 درصد) و مدل GRU با پنجره ورودی 2 روزه بهترین پیشبینی قیمت رو داشت (MAPE حدود 9 درصد) اول میخوام بدونم ایده ای برای بهره برداری همزمان از این دو (XGBoost , GRU) دارید؟ دوم، میخوام این دو بهترین مدل ها (XGBoost , GRU) رو به منظور بک تست در روزهای بعد از اتمام دیتاست تست (ترجیحا تا آخرین روز موجود - که نیاز به دانلود داره) توسعه بدید و در پایان دوره با استراتژی های مرسوم معاملاتی مقایسه کنید. مانند Buy and Hold یا مورد دیگری که معمولا در ادبیات برای مقایسه نتیجه مدل در بک تست مقایسه می شود. علاوه بر این مورد، میخواهم بینشی که نتایج مدل ها و مقایسه بک تست با استراتژی های مرسوم به دست میدهد را برایم به وسیله ویس یا متن، با دقت و جزئیات توضیح بدید.

طراحی و پیاده‌سازی یک دیتاسنتر جهت جمع‌آوری و مدیریت داده‌های پزشکی هدف از این پروژه، توسعه بستری کارآمد برای جمع‌آوری، ذخیره‌سازی سیستماتیک، پردازش و تحلیل داده‌ها ی پزشکی هست. این پروژه فراتر از استفاده از مدل های وردپرس هست بودجه فعلی صرفا برای mvp هست درصورت کارآمد بودن محصول در ادامه وارد فاز های بعدی میشود. لطفاً cv خودتان را بفرستید (بسیار مهم)

ما یک رویکرد جدید برای حل مسئله مکان‌یابی هاب میانه تک تخصیصی بدون ظرفیت با استفاده از یک معیار ریسک‌گریز مبتنی بر میانگین بتا (β-mean) و چارچوب‌های الگوریتمی مبتنی بر یادگیری ماشین پیشنهاد می‌کنیم. به طور خاص، ما کیفیت راه‌حل را با ادغام DLHr در انتخاب هاب‌های بالقوه مبتنی بر خوشه‌بندی (CBS) برای توسعه یک الگوریتم جدید به نام انتخاب مبتنی بر خوشه‌بندی مبتنی بر یادگیری عمیق (DL-CBS) و همچنین در جستجوی همسایگی متغیر عمومی (GVNS) برای توسعه یک الگوریتم جدید به نام جستجوی همسایگی متغیر عمومی مبتنی بر یادگیری عمیق (DL-GVNS) بهبود می‌بخشیم. این مطالعه عدم قطعیت تقاضا را در نظر می‌گیرد و از معیار بتای ریسک‌گریز استفاده می‌کند که منجر به انتخاب هاب بهینه و تخصیص گره می‌شود. نتایج محاسباتی نشان می‌دهد که ترکیب معیار بتای ریسک‌گریز با DL-CBS و DL-GVNS می‌تواند کیفیت راه‌حل مسئله مکان‌یابی هاب میانه تک تخصیصی بدون ظرفیت را در مقایسه با رویکردهای سنتی تا حد زیادی بهبود بخشد..

عنوان کارگاه: فرصت‌های طلایی هوش مصنوعی در دندانپزشکی زیرعنوان: از مفاهیم پایه تا پرامپت‌های خلاقانه و اپ‌های هوشمند رایگان در این کارگاه، شرکت‌کنندگان با دنیای شگفت‌انگیز هوش مصنوعی آشنا می‌شوند و یاد می‌گیرند چگونه از ابزارهای رایگان و قدرتمند برای ارتقای عملکرد حرفه‌ای خود در دندانپزشکی استفاده کنند. ساختار کارگاه شامل چهار بخش اصلی است: بخش اول: ورود به دنیای هوش مصنوعی در این بخش، مفاهیم پایه هوش مصنوعی به زبان ساده و کاربردی معرفی می‌شود. شرکت‌کنندگان با انواع مدل‌های هوش مصنوعی، تفاوت‌های یادگیری ماشین و یادگیری عمیق، و کاربردهای جذاب آن در پزشکی و دندانپزشکی آشنا می‌شوند. نمونه‌هایی از کاربردهای خلاقانه شامل: - تشخیص خودکار پوسیدگی از تصاویر رادیوگرافی - طراحی طرح درمان با کمک مدل‌های زبانی - آموزش بیمار با واقعیت افزوده و چت‌بات‌های هوشمند همچنین با طرح یک سناریوی فرضی، شرکت‌کنندگان به‌صورت گروهی بررسی می‌کنند که اگر هوش مصنوعی یک دستیار دندانپزشک بود، چه وظایفی را بهتر از انسان انجام می‌داد. بخش دوم: پرامپت‌نویسی حرفه‌ای برای دندانپزشکان در این بخش، هنر تعامل با مدل‌های زبانی از طریق پرامپت‌نویسی آموزش داده می‌شود. شرکت‌کنندگان با انواع روش‌های ساختارمند پرامپت‌نویسی آشنا می‌شوند، از جمله: - قالب‌های ۵W1H برای تحلیل بالینی - دستورهای چندمرحله‌ای برای تولید محتوا - نقش‌آفرینی برای شبیه‌سازی مکالمه با بیمار سپس با مثال‌های واقعی، تمرین‌هایی انجام می‌شود مثل: - نوشتن پرامپت برای تولید بروشور آموزشی - طراحی پرسشنامه‌های دیجیتال برای ارزیابی سلامت دهان - تولید محتوای تبلیغاتی برای شبکه‌های اجتماعی مطب در پایان این بخش، یک چالش گروهی مطرح می‌شود: «چگونه یک پرامپت خلاقانه بنویسیم که هم علمی باشد و هم جذاب برای مخاطب؟» بخش سوم: کار عملی با چت‌بات‌های هوشمند در این بخش، شرکت‌کنندگان به‌صورت عملی با چت‌بات‌هایی مثل Copilot، ChatGPT، DeepSeek کار می‌کنند. تمرین‌های عملی شامل: - طراحی طرح درمان فرضی با کمک چت‌بات - تولید محتوای آموزشی برای بیماران با زبان ساده - پاسخ‌گویی به سوالات رایج بیماران با لحن حرفه‌ای همچنین شرکت‌کنندگان یاد می‌گیرند چگونه چت‌بات‌ها را برای نیازهای خاص مطب خود شخصی‌سازی کنند. در پایان، یک چالش مطرح می‌شود: «چگونه از چت‌بات برای مدیریت ارتباط با بیمار استفاده کنیم بدون اینکه حس مصنوعی بودن ایجاد شود؟» بخش چهارم: گنجینه ابزارهای رایگان هوشمند در دندانپزشکی در این بخش، مجموعه‌ای از اپ‌ها و ابزارهای رایگان معرفی می‌شود که می‌توانند تحول بزرگی در عملکرد حرفه‌ای دندانپزشکان ایجاد کنند. این ابزارها شامل: - اپ‌های تحلیل تصویری برای رادیوگرافی - ابزارهای مدیریت پرونده بیمار با هوش مصنوعی - اپ‌های آموزش بیمار با واقعیت افزوده - ابزارهای تولید محتوای علمی و تبلیغاتی شرکت‌کنندگان اپ‌ها را نصب، تست و بررسی می‌کنند و در پایان، هر گروه یک ابزار را برای استفاده در مطب خود پیشنهاد می‌دهد. جمع‌بندی و طراحی مسیر آینده در پایان کارگاه، شرکت‌کنندگان آموخته‌های خود را مرور می‌کنند و با کمک مدرس، یک پروژه کوچک طراحی می‌کنند که بتواند در مطب یا کلینیک‌شان اجرا شود. همچنین منابع تکمیلی، مسیرهای یادگیری بعدی، و فرصت‌های همکاری بین‌حرفه‌ای معرفی می‌شود.

ما در تیم “هم‌آفرین”، در حال ساخت یک اکوسیستم آموزشی دانش‌بنیان در حوزه هوش مصنوعی هستیم. مأموریت ما تغییر پارادایم تعامل انسان با ماشین، از “فرمان دادن” به “هم‌فکری کردن” است. محصول اصلی ما بر پایه متدولوژی نوآورانه “Mentor-AI” شکل گرفته است که در کتابی با عنوان “جرقه‌ساز: هنر هم‌فکری با هوش مصنوعی” به تفصیل شرح داده شده است. اکنون در فاز توسعه پلتفرم آنلاین این اکوسیستم هستیم که شامل دوره‌های آموزشی، محتوای تخصصی، و ابزارهای تعاملی برای پرورش تفکر انتقادی و خلاقیت با کمک AI است. این یک پروژه فریلنسری معمولی نیست؛ بلکه یک دعوت به هم‌بنیان‌گذاری است. ما به دنبال یک همکار خلاق، مشتاق و متخصص در تولید محتوا هستیم که به این چشم‌انداز بزرگ ایمان داشته باشد و در کنار ما، آینده آموزش هوش مصنوعی را بسازد. شخصیت و مهارت‌های مورد نیاز برای این جایگاه: ما به دنبال فردی هستیم که فقط یک نویسنده خوب نباشد، بلکه یک “معمار محتوا” باشد. مهارت‌های کلیدی: تسلط کامل بر نویسندگی و ویراستاری به زبان فارسی: توانایی نگارش متون روان، دقیق، جذاب و بدون نقص. علاقه عمیق و درک مفهومی از هوش مصنوعی: شما باید با مفاهیم پایه هوش مصنوعی مولد (Generative AI)، مدل‌های زبانی بزرگ (LLMs) و مهندسی پرامپت آشنا باشید یا اشتیاق سیری‌ناپذیر برای یادگیری سریع در این حوزه را داشته باشید. مطالعه اولیه کتاب “جرقه‌ساز” (که در اختیار شما قرار می‌گیرد) برای درک فلسفه پروژه ضروری است. توانایی تبدیل مفاهیم پیچیده به محتوای ساده و کاربردی: هنر شما این است که موضوعات فنی و فلسفی کتاب را به درس‌گفتارهای کوتاه، پست‌های وبلاگ، سناریوهای تمرینی، و محتوای شبکه‌های اجتماعی تبدیل کنید. خلاقیت در ارائه محتوا: توانایی ایده‌پردازی برای فرمت‌های مختلف محتوا (متن، ویدیو، اینفوگرافیک، پادکست و…). مهارت در تحقیق و گردآوری اطلاعات: توانایی جستجوی منابع معتبر انگلیسی و فارسی و استخراج محتوای ارزشمند. آشنایی با اصول سئو (SEO) در تولید محتوا: یک مزیت بسیار بزرگ محسوب می‌شود. روحیه کار تیمی، مسئولیت‌پذیری و داشتن “Product-Mindset”: شما باید بتوانید به محصول و رشد آن فکر کنید، نه فقط به انجام وظایف محول‌شده. اولویت‌ها: اولویت اصلی با دوستانی است که ساکن تهران هستند و امکان همکاری حضوری (حداقل به صورت ترکیبی) را دارند تا هم‌افزایی تیم در فاز اولیه به حداکثر برسد. شرایط همکاری و مدل مالی: این همکاری در دو فاز تعریف می‌شود: فاز اول (پیش از جذب بودجه - فاز هم‌بنیان‌گذاری): در این مرحله، تمرکز بر تکمیل محتوای کلیدی پلتفرم و آماده‌سازی محصول برای ارائه به سرمایه‌گذار است. در این فاز، پرداخت حقوق ثابت ماهانه وجود ندارد. در ازای تخصص و زمانی که سرمایه‌گذاری می‌کنید، بخشی از سهام اولیه (Equity) استارتاپ به شما واگذار خواهد شد. میزان دقیق سهام بر اساس تجربه، مهارت و میزان مشارکت شما، در جلسه مصاحبه و طی یک توافق شفاف مشخص می‌شود. فاز دوم (پس از جذب موفق بودجه): با جذب سرمایه، علاوه بر سهامی که از ابتدا به شما تعلق گرفته، حقوق ماهانه رقابتی و مکفی نیز دریافت خواهید کرد. پرداخت‌ها به صورت فاز به فاز (Milestone-based) و بر اساس پیشرفت پروژه خواهد بود. مزایای این همکاری برای شما: فرصت هم‌بنیان‌گذاری: شما یکی از ستون‌های اصلی یک استارتاپ دانش‌بنیان با پتانسیل رشد انفجاری خواهید بود. کسب سهام ارزشمند: در موفقیت بلندمدت پروژه به معنای واقعی کلمه شریک می‌شوید. کار بر روی یک پروژه معنادار: شما در حال ساخت محصولی هستید که به دیگران کمک می‌کند بهتر فکر کنند و خلاق‌تر باشند. رشد exponentials در حوزه AI: در لبه علم و تکنولوژی حرکت کرده و به یک متخصص در حوزه محتوای AI تبدیل می‌شوید. محیط کاری پویا و یادگیرنده: در کنار تیمی نخبه و باانگیزه کار خواهید کرد. اگر آماده‌اید تا با قلم خود، به شکل‌گیری آینده تفکر کمک کنید، مشتاقانه منتظر آشنایی با شما هستیم. لطفاً موارد زیر را برای ما ارسال کنید: رزومه به‌روز شده. نمونه کارهای شاخص (مقاله‌، پست وبلاگ، یا هر محتوای مرتبطی که به آن افتخار می‌کنید). در چند خط توضیح دهید که چه چیزی در پروژه “هم‌آفرین” برای شما جذاب است و فکر می‌کنید چگونه می‌توانید به رشد آن کمک کنید. با هم، آینده آموزش و تفکر را می‌سازیم.

سلام به همه متخصصان حرفه‌ای برنامه‌نویسی، ما به دنبال یک همکار بلندپرواز، ماهر و آینده‌نگر هستیم؛ کسی که صرفاً یک فریلنسر نباشد، بلکه یک هم‌بنیان‌گذار فنی (Technical Co-founder) و شریک استراتژیک در ساخت یکی از مهم‌ترین پروژه‌های آموزشی ایران در حوزه هوش مصنوعی باشد. معرفی پروژه “هم‌آفرین”: پروژه “هم‌آفرین” یک اکوسیستم آموزشی دانش‌بنیان است که برای مقابله با “سندروم فست‌فود فکری” و تعامل سطحی با AI طراحی شده. ما یک متدولوژی منحصر به فرد به نام “Mentor-AI” را توسعه داده‌ایم که به کاربران (از دانشجو و پژوهشگر تا مدیران ارشد) می‌آموزد چگونه با هوش مصنوعی “هم‌فکری” کنند. محصولات ما: ۱. کتاب مرجع: پیش‌نویس اولیه کتاب با استقبال فوق‌العاده‌ای روبرو شده و در آستانه انتشار است. ۲. پلتفرم آموزشی آنلاین: این قلب تپنده پروژه و دلیل اصلی این آگهی است. ما می‌خواهیم یک پلتفرم تعاملی بسازیم که محتوای کتاب را به دوره‌های ویدیویی، تمرین‌های هوشمند و یک “شبیه‌ساز گفتگو” تبدیل کند. چرا این یک “پروژه” معمولی نیست؟ چشم‌انداز بزرگ: شما در حال ساخت یک ابزار ساده نیستید؛ شما در حال ساخت یک پلتفرم جریان‌ساز ملی هستید که آینده تعامل انسان و ماشین را شکل می‌دهد. پتانسیل رشد انفجاری: این پروژه در مراحل نهایی ارائه به مراکز معتبر (معاونت علمی ریاست جمهوری، صندوق‌های سرمایه‌گذاری) برای جذب بودجه قرار دارد. موفقیت در این مرحله به معنای رشد سریع و جایگاه تثبیت‌شده در بازار است. شما فقط یک کدنویس نیستید: شما به عنوان همکار اصلی فنی، در تمام تصمیمات استراتژیک محصول، از معماری فنی گرفته تا تجربه کاربری و نقشه راه توسعه، نقش کلیدی خواهید داشت. ما به دنبال چه کسی هستیم؟ (شرح وظایف و مهارت‌ها) یک توسعه‌دهنده Full-Stack خلاق و متعهد که بتواند معماری و پیاده‌سازی پلتفرم “هم‌آفرین” را از صفر تا صد رهبری کند. مهارت‌های ضروری (Must-Haves): تسلط کامل بر Python و یکی از فریم‌ورک‌های اصلی آن (ترجیحاً Django یا FastAPI). تسلط بر فریم‌ورک‌های مدرن JavaScript (ترجیحاً React.js یا Vue.js). تجربه کار با پایگاه‌های داده (مانند PostgreSQL یا MySQL). تجربه در طراحی و پیاده‌سازی RESTful APIs. آشنایی با Git و اصول توسعه نرم‌افزار تمیز (Clean Code). مهم‌تر از همه: ذهن محصول‌محور (Product-Mindset)، توانایی حل مسئله و اشتیاق برای یادگیری و ساختن یک محصول پیشرو. مهارت‌های امتیازی (Nice-to-Haves): تجربه کار با Docker و استقرار (Deployment) برنامه‌ها. آشنایی با مفاهیم UI/UX. تجربه یا علاقه به کار با APIهای مدل‌های زبان بزرگ (LLMs) مانند GPT. سکونت در تهران (یا امکان حضور منظم هفتگی) برای جلسات استراتژیک و هم‌فکری حضوری. شرایط همکاری و مدل مالی (بسیار مهم): ما به دنبال یک رابطه بلندمدت هستیم، نه یک پروژه کوتاه‌مدت. مدل همکاری ما بر اساس اعتماد متقابل و موفقیت مشترک طراحی شده است: فاز اول (پیش از جذب بودجه - ۱ تا ۲ ماه): هدف: آماده‌سازی یک نسخه دموی اولیه (Proof of Concept) بسیار قوی و طراحی معماری فنی پروژه برای ارائه در پروپوزال نهایی. مدل پرداخت: در این فاز، به جای پرداخت نقدی مستقیم، توافق‌نامه‌ای رسمی برای واگذاری درصد مشخصی از سهام پروژه (Equity) به شما به عنوان هم‌بنیان‌گذار فنی منعقد خواهد شد. این سهام، پاداش شما برای ریسک‌پذیری اولیه و تضمین شراکت بلندمدت شما در موفقیت‌های آینده است. ما به تخصص و زمان شما ارزش قائلیم و معتقدیم این بهترین راه برای ایجاد یک تیم متعهد است. درصد دقیق سهام، قابل مذاکره و بر اساس رزومه و سطح مشارکت شما خواهد بود. فاز دوم (پس از جذب بودجه): با جذب سرمایه، علاوه بر سهامی که از ابتدا به شما تعلق گرفته، حقوق ماهانه رقابتی و منظم مطابق با تعرفه روز بازار برای شما به عنوان مدیر فنی پروژه در نظر گرفته خواهد شد. پرداخت‌ها به صورت فاز به فاز و مطابق با پیشرفت گام‌های پروژه (که در بالا توضیح داده شد) انجام می‌شود. چه چیزی در انتظار شماست؟ فرصت بی‌نظیر برای تبدیل شدن به ستون فنی یک استارتاپ با پتانسیل بسیار بالا. کار بر روی یک پروژه خلاقانه، معنادار و در لبه تکنولوژی. محیط کاری پویا، انعطاف‌پذیر و پر از یادگیری. اگر شما آن فردی هستید که از ساختن چیزهای بزرگ به وجد می‌آیید و آماده‌اید تا اثری ماندگار از خود به جا بگذارید، مشتاقانه منتظر دریافت رزومه و پیام شما هستیم. لینک نمونه‌کارهای مرتبط (گیت‌هاب شما بسیار ارزشمند است). چرا این پروژه برای شما جذاب است و فکر می‌کنید چه ارزشی می‌توانید به “هم‌آفرین” اضافه کنید؟ اعلام آمادگی خود برای مدل همکاری مبتنی بر سهام در فاز اولیه. با هم، آینده تفکر را می‌سازیم.

به دنبال یک پژوهشگر یا مهندس باتجربه هستم تا یک مدل دینامیکی داده‌محور بر اساس روش‌های شناسایی سیستم توسعه دهد. هدف پروژه این است که مدلی طراحی شود که بتواند: • از داده‌های ورودی–خروجی موجود یاد بگیرد • با مجموعه داده‌های در دسترس اعتبارسنجی شود • برای ورودی‌های جدید و دیده‌نشده، خروجی سیستم را با دقت پیش‌بینی کند روش‌های پیشنهادی برای این کار: • Sparse Identification of Nonlinear Dynamics (SINDy) • یا شناسایی زیر‌فضا (Subspace Identification) خروجی‌های نهایی پروژه: 1. یک مدل پیش‌بین عملیاتی (MATLAB یا Python) 2. مستندسازی مراحل و روش استفاده‌شده 3. نمایش عملکرد مدل بر روی داده‌های آموزشی و ورودی‌های جدید ⸻ مهارت‌های مورد نیاز فریلنسر • تسلط بر شناسایی سیستم، سیستم‌های کنترل یا یادگیری ماشین • تجربه عملی در کار با SINDy، شناسایی زیر‌فضا یا روش‌های مشابه • آشنایی با MATLAB و/یا Python • توانایی توضیح روش‌ها و ارائه کد قابل بازتولید • ترجیحاً آشنایی با موتورهای الکتریکی (اما الزام نیست) 💬 امکان گفت‌وگو و تبادل نظر در طول پروژه وجود دارد تا جزئیات و انتظارات به‌طور کامل توضیح داده

من نیاز دارم یک اسکریپت یا سرویس طراحی شود که بتواند از یک میز بازی مشخص (سایت یا نرم‌افزار مشخص) داده‌ها را به صورت زنده استخراج کند. منظور از داده‌ها شامل موارد زیر است: کارت‌ها (community cards) کارت‌ها (hole cards) موقعیت دکمه دیلر (Dealer/Button) استک (stack sizes) مقادیر بت، کال، رِیز و فولد بازیکنان جزئیات مهم: صفحه‌ی میز ثابت و مشخص است (یک میز مشخص با طراحی ثابت). نیاز به تشخیص تصویر هوشمند است؛ یعنی موقعیت دقیق عناصر را من دستی وارد نکنم. فقط یک بار نمونهٔ میز داده می‌شود و سیستم خودش بقیهٔ میزها را تشخیص دهد. سرعت مهم است؛ داده‌ها باید تقریباً لحظه‌ای (delay حداکثر ۱ ثانیه) استخراج شود. روش پیشنهادی می‌تواند استفاده از OCR، Computer Vision (OpenCV) یا مدل‌های یادگیری ماشین باشد. خروجی: ارسال داده به یک فایل JSON یا از طریق WebSocket/REST API برای استفاده در نرم‌افزار دیگر. مهارت‌های مورد نیاز: Python / C++ یا زبان‌های مشابه OpenCV یا ابزارهای مشابه Computer Vision تجربه در Real-Time Image/Video Processing (اختیاری) تجربه در OCR و Machine Learning لطفاً در پیشنهاد خود موارد زیر را بنویسید: راه‌حل پیشنهادی (OCR، OpenCV، AI مدل تشخیص شیء و …) زمان تقریبی تجربه‌های مشابه (در پردازش تصویر، بازی، یا استخراج داده)

با سلام، دیتاست با خودتون هست و نتایج متلب و پایتون باید با هم همخوانی داشته باشند. شرح پروژه: در این تحقیق، برای تشخیص سرطان کبد از امواج الکترومغناطیسی استفاده شده است. امواج الکترومغناطیسی به بافت کبد ارسال می‌شوند و سیگنال‌های بازگشتی از این بافت‌ها جمع‌آوری می‌گردند. سپس، داده‌های حاصل از این سیگنال‌ها با استفاده از الگوریتم‌های پردازش سیگنال در پایتون و متلب تحلیل می‌شوند. این داده‌ها شامل ویژگی‌هایی نظیر فرکانس، طول‌موج، و شدت سیگنال‌ها هستند که به کمک آن‌ها می‌توان تفاوت‌های بین بافت‌های سالم و سرطانی کبد را شناسایی کرد. برای پردازش و تحلیل این سیگنال‌ها، از تکنیک‌های یادگیری ماشین استفاده می‌شود که به بهبود دقت و سرعت تشخیص در مراحل اولیه سرطان کبد کمک می‌کند. دیتاست مورد استفاده شامل سیگنال‌های الکترومغناطیسی دریافت‌شده از بافت‌های کبدی سالم و سرطانی است که به‌طور غیرتهاجمی از طریق امواج الکترومغناطیسی اندازه‌گیری شده‌اند.

دستیار جهت نگارش مقاله های systematic review با تجربه ی حوزه های کامپیوتر و یادگیری ماشین و هوش مصنوعی

سلام ب داروسازی نیاز به مشاوره آماری دارم. پروژه مدلسازی یادگیری ماشین روی دیتاهای گذشته نگر پرونده های بیمار هست. موارد مورد انتظار ۱. راهنمایی در نگارش بخش آمار ۲. پاسخ‌دهی به سوالات در حین روند کار ۳. تحلیل آماری بر روی results

این پروژه مربوط به دریافت خدمات مشاوره تخصصی در حوزه هوش مصنوعی و یادگیری ماشین به منظور پشتیبانی علمی و فنی از تدوین، تحلیل داده‌ها و به‌کارگیری مدل می‌باشد. خدمات شامل بررسی ادبیات علمی مرتبط، کمک به طراحی مدل و انتخاب بهترین مدل ، ارائه راهکارهای فنی برای تحلیل داده‌های پژوهشی و مشاوره در بهینه‌سازی نتایج خواهد بود.

شرح وظایف: طراحی و پیاده‌سازی مدل‌های یادگیری ماشین و پردازش زبان طبیعی (NLP) برای استخراج هوشمندانه داده‌ها از وب‌سایت‌ها همکاری با تیم برنامه‌نویسی وب‌اسکرپینگ جهت بهبود دقت و کارایی سیستم استخراج داده تحلیل داده‌های جمع‌آوری شده و بهینه‌سازی مدل‌ها برای افزایش کیفیت نتایج توسعه الگوریتم‌های پیشرفته برای فیلترکردن، طبقه‌بندی و تشخیص داده‌های مهم مستندسازی فرایندها و نتایج مدل‌ها مهارت‌ها و تجربیات مورد نیاز: تسلط به زبان برنامه‌نویسی Python و کتابخانه‌های مرتبط (مثل TensorFlow, PyTorch, scikit-learn) تجربه در زمینه یادگیری ماشین و به خصوص پردازش زبان طبیعی (NLP) آشنایی با روش‌های استخراج اطلاعات از متن و داده‌های وب توانایی کار با داده‌های بزرگ و پردازش داده‌ها آشنایی با مفاهیم پایه وب‌اسکرپینگ یک امتیاز محسوب می‌شود مهارت‌های حل مسئله و تحلیل داده‌ها

من به دنبال یک متخصص برای توسعه یک پروژه یادگیری ماشین برای پیش‌بینی آزمون پایداری مارشال هستم. من یک مجموعه داده آماده دارم. این کار شامل ساخت مدل‌ها با الگوریتم‌های مختلف، انجام تنظیم مناسب هایپرپارامتر و ارائه معیارهای عملکرد و تجسم‌ها است. نتایج باید شامل گزارش، نمودارها و کد اجرایی باشد. فقط پیشنهاداتی بررسی میشوند که فرآیند انجام کار و شرح پروپوزال جهت انجام پروژه را ارائه کنند. با تشکر

من به یک توسعه‌دهنده باتجربه هوش مصنوعی/یادگیری ماشین نیاز دارم تا یک خط لوله یادگیری عمیق برای تشخیص و قطعه‌بندی تومور کبد از تصاویر سی‌تی‌اسکن بسازد. الزامات کلیدی: - توسعه یک مدل یادگیری عمیق، در حالت ایده‌آل با استفاده از شبکه‌های عصبی کانولوشن (CNN). - تمرکز بالا بر حساسیت و ویژگی به عنوان معیارهای ارزیابی. - تجربه در تصویربرداری پزشکی و وظایف قطعه‌بندی تصویر ضروری است. مهارت‌های ایده‌آل: - تخصص در TensorFlow یا PyTorch - پیشینه قوی در بینایی کامپیوتر و یادگیری عمیق - آشنایی با مفاهیم و تکنیک‌های تصویربرداری پزشکی - سابقه‌ی اثبات‌شده در توسعه و پیاده‌سازی مدل‌های هوش مصنوعی لطفا در پیشنهادهای خود، سابقه کار مرتبط را نیز لحاظ کنید.

من به دنبال یک توسعه‌دهنده ماهر هستم تا یک نرم‌افزار سیستم بینایی با هدف تشخیص محصولات روی تسمه نقاله ایجاد کند. این سیستم باید بتواند نقص‌های این محصولات را شناسایی کند. الزامات کلیدی: - قابلیت تشخیص اشیاء به طور خاص برای محصولات روی تسمه نقاله - شناسایی نقص - کاراکتر نوشته شده روی شیء را بخوانید - شناسایی شیء - مقایسه شیء بر اساس نمونه داده شده مهارت‌ها و تجربیات ایده‌آل: - تخصص در بینایی کامپیوتر و یادگیری ماشین - تجربه کار با فریم‌ورک‌های تشخیص شیء (مانند TensorFlow، OpenCV) - سابقه در توسعه سیستم‌های اتوماسیون صنعتی - مهارت‌های برنامه‌نویسی قوی (پایتون/سی‌پلاس‌پلاس، هوش مصنوعی، یادگیری ماشین) - امکان ارائه رابط کاربری آسان برای نظارت و گزارش‌گیری لطفا در صورت وجود سابقه کار مرتبط و نمونه کارهای مرتبط، ارائه دهید.

من یک مجموعه داده ترافیک SDN-VANET قابل توجه دارم و نیاز دارم که آن را به یک آشکارساز DDoS مبتنی بر LSTM تبدیل کنم. هسته اصلی کار این است که یک معماری حافظه بلند مدت موجود را بگیرم، آن را با مجموعه داده تطبیق دهم و تشخیص حمله قابل اعتمادی را نشان دهم. روال کاری که من مد نظر دارم به ترتیب زیر است: • مجموعه داده خام را تجزیه کرده و آن را به فرمتی تبدیل یا بارگذاری کنید که کتابخانه‌های رایج یادگیری عمیق (TensorFlow، Keras یا PyTorch) بتوانند آن را بخوانند. • پیش‌پردازش کامل - پاکسازی داده‌ها، استخراج ویژگی و نرمال‌سازی - را اعمال کنید تا توالی‌ها به طور تمیز وارد شبکه شوند. • مدل LSTM انتخاب‌شده را پیاده‌سازی، آموزش، اعتبارسنجی و آزمایش کنید، سپس معیارهای کلیدی مانند دقت، دقت/فراخوانی، F1 و هرگونه بینش مربوط به ماتریس سردرگمی برای DDoS در مقابل ترافیک بی‌خطر را گزارش دهید. • تمام کدها، دفترچه‌های یادداشت و یک فایل راهنمای مختصر را آماده کنید تا بتوانم نتایج را به صورت محلی یا روی یک نمونه GPU بازتولید کنم. در صورت بهبود عملکرد، می‌توانید پیشنهادهایی برای بهبودهای جزئی در پارامترهای ابرداده یا تکنیک‌های منظم‌سازی ارائه دهید، اما ستون فقرات باید LSTM باقی بماند. اگر با SDN، VANET یا مجموعه داده‌های نفوذ شبکه تجربه دارید، این یک مزیت خواهد بود. لطفا یک جدول زمانی تخمینی برای هر مرحله ارائه دهید با تشکر

من به دنبال توسعه یک سیستم هوش مصنوعی مدل‌سازی پیش‌بینی پیشرفته با استفاده از داده‌های بلادرنگ هستم. این سیستم از فناوری‌هایی مانند Notebook LM، Gemini 2.5 و Firebase بهره خواهد برد. الزامات کلیدی: - توسعه مدل هوش مصنوعی: تخصص در ساخت مدل‌های پیش‌بینی. - مدیریت داده‌های بلادرنگ: توانایی ادغام و پردازش جریان‌های داده بلادرنگ. - آشنایی با Notebook LM، Gemini 2.5 و Firebase مزیت محسوب می‌شود. مهارت‌ها و تجربیات ایده‌آل: - پیشینه قوی در هوش مصنوعی و یادگیری ماشین - تجربه در پردازش داده‌های بلادرنگ - تسلط بر ابزارها و فناوری‌های مرتبط

استفاده از هوش مصنوعی در پیش‌بینی رفتار کاربر در رابط‌های کاربری هدف: استفاده از الگوریتم‌های ساده یادگیری ماشین در فرانت‌اند برای تحلیل رفتار کاربر و پیش‌بینی تعاملات بعدی او با وب‌سایت. خروجی: پیاده‌سازی یک نمونه اولیه که بتواند رفتارهای کاربر را شناسایی و تجربه کاربری سفارشی‌سازی‌شده‌ای ایجاد کند. من برای این پروژه سایت فروشگاهی عطر و ادکلن را در نظر گرفتم

پردازش تصویر از فیلم گرفته شده و درست کردن نمودار زمانی و گسترش مکانی

✅ عنوان پروژه: طراحی و توسعه سوپراَپ جامع پایش و مداخله روان‌شناختی و هوش مصنوعی ✅ معرفی کلی: این پروژه با هدف ایجاد یک پلتفرم فناورانه جامع و پیشرفته طراحی شده است تا بتواند به‌صورت چندزبانه و در سطح بین‌المللی، خدمات زیر را به کاربران، درمانگران و تولیدکنندگان محتوا ارائه کند: پایش روان‌شناختی و شخصیتی کاربران بر اساس داده‌های دیجیتال (الگوهای جستجو، رفتار آنلاین، اپلیکیشن‌ها و منابع مطالعه) پایش بیومتریک (ضربان قلب، دما، نبض) از طریق موبایل و دستگاه‌های هوشمند تحلیل و غربالگری اختلالات شایع روان‌شناختی (افسردگی، اضطراب، وسواس، اختلالات شخصیت) با استفاده از مدل‌های هوش مصنوعی ارائه خدمات آزمون‌های روانشناسی بالینی و تشخیصی استاندارد امکان نوبت‌گیری آنلاین حضوری و مجازی با درمانگران و روان‌درمانگران تأیید‌شده ایجاد چت‌بات هوش مصنوعی روان‌شناختی برای راهنمایی اولیه، تمرینات خودیار و پایش مداوم سیستم فروش و ارائه محتوا (کتاب، پادکست، دوره‌های آموزشی، وبینار) زیرساخت بازاریابی دیجیتال، همکاری در فروش و بازاریابی چندسطحی (MLM) سیستم‌های اطلاع‌رسانی پیشرفته (پوش نوتیفیکیشن، پیامک، ایمیل مارکتینگ، تیکتینگ) پنل اختصاصی برای درمانگران جهت مشاهده داده‌ها، تجویز محتوا و مدیریت پرونده بالینی --- ✅ ویژگی‌های علمی پروژه: مبتنی بر رویکرد طرحواره‌درمانی (Schema Therapy) و روانشناسی بالینی مدرن رعایت کامل استانداردهای اخلاق حرفه‌ای و محرمانگی (همراستا با نظام‌نامه سازمان نظام روانشناسی ایران) استفاده از آزمون‌های معتبر (DSM, Beck, MMPI و سایر پرسشنامه‌های طرحواره‌محور) امکان تولید محتوای بومی و بین‌المللی با همکاری روانشناسان خبره --- ✅ ویژگی‌های فنی و نرم‌افزاری: معماری ماژولار و مقیاس‌پذیر (API-First / Cloud Native) پشتیبانی کامل از چند زبان (فارسی، انگلیسی، عربی و…) پشتیبانی از درگاه‌های پرداخت داخلی و بین‌المللی رمزنگاری پیشرفته داده‌ها + احراز هویت دو مرحله‌ای + ثبت رضایت‌نامه دیجیتال قابلیت اتصال به دیتاسنتر داخلی کشور با امکان میزبانی امن طراحی رابط کاربری مدرن، ساده و در دسترس برای طیف گسترده‌ای از کاربران زیرساخت قابل ارتقاء برای اتصال به دستگاه‌های پوشیدنی (Wearables) داشبورد مدیریتی پیشرفته برای کلینیک‌ها و درمانگران سیستم همکاری در فروش و مدیریت بازاریابی چندسطحی امکان تحلیل داده‌های بزرگ (Big Data) برای یادگیری ماشین و بهبود مستمر عملکرد --- ✅ شرایط همکاری: شرکت‌ها و تیم‌های توسعه‌دهنده علاقه‌مند می‌توانند پیشنهاد همکاری خود را شامل موارد زیر ارسال نمایند: معرفی شرکت/تیم و سوابق مشابه (نمونه پروژه‌های مشابه حوزه سلامت، هوش مصنوعی یا پلتفرم‌های چندزبانه) ساختار پیشنهادی تیم اجرایی (برنامه‌نویس بک‌اند، فرانت‌اند، موبایل، متخصص ML/AI، طراح UI/UX، مدیر محصول و…) تخمین فنی زمان‌بندی، مراحل تحویل، روش‌های توسعه و فناوری‌های مورد استفاده مدل پشتیبانی و گارانتی برآورد هزینه توسعه نسخه اولیه (MVP) و نگهداری بلندمدت --- ✅ هدف نهایی: انتخاب بهترین شریک فناوری برای طراحی و اجرای نسخه اولیه ظرف ۶ ماه، با امکان توسعه و گسترش در مقیاس ملی و بین‌المللی. 📌 علاقه‌مندان لطفاً پیشنهاد رسمی خود را به همراه پروپوزال فنی و اجرایی ارسال فرمایند. با تشکر