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.

یادگیری فدرال مبتنی بر بلاک‌چین (Blockchain-based Federated Learning) هدف: بررسی چگونگی بهره‌گیری از بلاک‌چین در زمینه یادگیری فدرال که در دستگاه‌های اینترنت اشیاء (IoT) یا تجهیزات لبه (Edge) پیاده‌سازی می‌شود. هدف، توسعه یک محیط شبیه‌سازی‌شده از یادگیری فدرال مبتنی بر بلاک‌چین است که در آن دستگاه‌ها بدون تبادل داده‌های خام خود، به صورت مشارکتی یک مدل یادگیری ماشین را آموزش می‌دهند. ماهیت پروژه: این یک پروژه کاملاً فنی است که نیازمند مهارت‌های برنامه‌نویسی بسیار قوی (و مهارت‌های فنی مرتبط) و همچنین پایه‌های علمی محکم در زمینه‌های یادگیری ماشین و بلاک‌چین است. یک ساختار اولیه (غیرجامع) در ادامه آمده است: * حالت پیاده‌سازی: شبیه‌سازی‌شده؛ توسعه و اجرا روی یک سیستم واحد. * بلاک‌چین: بلاک‌چین خصوصی و محلی اتریوم با استفاده از Geth. * توپولوژی (معماری شبکه):    * یک کنترل‌کننده (Controller) که مدل جهانی (Global Model) را مدیریت کرده و فرآیند یادگیری فدرال را هماهنگ می‌کند.    * سه دستگاه (Device) که بخش‌های متفاوتی از مجموعه داده‌های آموزشی را در اختیار دارند، آموزش مدل محلی را انجام می‌دهند و پارامترهای مدل آموزش‌دیده (وزن‌ها) را با کنترل‌کننده مبادله می‌کنند. فرآیند یادگیری فدرال یک رویکرد تکرارپذیر (Iterative) را دنبال خواهد کرد: ۱. کنترل‌کننده مدل جهانی فعلی را توزیع می‌کند. ۲. دستگاه‌ها با استفاده از داده‌های خود، مدل را به صورت محلی آموزش می‌دهند. ۳. دستگاه‌ها پارامترهای به‌روزرسانی‌شده مدل را بازمی‌گردانند. ۴. کنترل‌کننده برای بهبود مدل جهانی، این به‌روزرسانی‌ها را با هم ادغام (Aggregate) می‌کند. هدف بلاک‌چین (از طریق قراردادهای هوشمند): * احراز هویت: ثبت نام کنترل‌کننده و دستگاه‌های درگیر در پروژه. * ثبت بخشی از تاریخچه تبادل داده میان کنترل‌کننده و دستگاه‌ها، مانند هویت شرکت‌کنندگان، اطلاعات دور آموزش (Training Round)، برچسب‌های زمانی (Timestamps) و متادیتا/هش‌های به‌روزرسانی مدل. الگوریتم یادگیری ماشین مورد استفاده: رگرسیون لجستیک (Logistic Regression) برای دسته‌بندی باینری (دوگانه). می‌توان از یک مجموعه داده در دسترس عموم (مثلاً از سایت Kaggle) استفاده کرد، مشروط بر اینکه برای این کار مناسب باشد (از نظر حجم منطقی، تعداد ویژگی‌ها و سازگاری با دسته‌بندی باینری). ارزیابی: سیستم توسعه‌یافته باید با استفاده از یک سری معیارهای کمی مرتبط با سناریوهای عملیاتی مختلف مورد ارزیابی قرار گیرد. این معیارها می‌توانند شامل شاخص‌های عملکردی یادگیری ماشین (مانند دقت/Accuracy، ظرافت/Precision، بازیابی/Recall و شاخص F1-score)، رفتار همگرایی یادگیری فدرال، و هزینه‌های جانبی مرتبط با بلاک‌چین مانند تاخیر تراکنش‌ها (Transaction Latency) و هزینه ارتباطات باشند. گام‌های بعدی: ۱. تحلیل و بسط مفهوم ذکر شده در بالا. ۲. پیشنهاد یک برنامه اجرایی مشخص (به عنوان مثال، یک نقشه راه احتمالی) همراه با زمان‌بندی. ۳. هماهنگی برای چند تماس بعدی (مثلاً دو جلسه آینده). ۴. بررسی ایده انتشار یک مقاله علمی (Peer-reviewed)

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