پروژه های یادگیری ماشین

**پروژه تمام وقت است،لطفا شماره تلفن و رزومه ی خود را ارسال نمایید** شرایط تخصصی: تسلط کامل بر ماژول ها و سنسورهای رایج تسلط کامل به برنامه نویسی و استفاده از میکرو کنترلرهای ARM و AVR تسلط کامل بر طراحی بردهای الکترونیکی PCB تسلط کامل بر بردهای Raspberry Pi تسلط کامل بر پروتکل های ارتباطی نظیر LoRa، زیگبی و... تسلط کامل بر مباحث یادگیری عمیق و یادگیری ماشین (Deep Learning & machine Learning) تسلط کامل به زبان python - تسلط کامل به کتابخانه های رایج تجربه کاری مفید و مرتبط و تخصص در طراحی محصول دانش و تجربه در زمینه های مرتبط، امتیاز محسوب می شود. شرایط عمومی: داشتن روحیه کار تیمی داشتن خلاقیت، پشتکار و نظم،نظم و نظم در انجام مسئولیت ها پیگیر و مسئولیت پذیر علاقه مند به یادگیری مفاهیم جدید و حل مسائل چالشی داشتن مدرک مرتبط *توجه داشته باشید که موقعیت شغلی بصورت دورکاری/حضوری می باشد بطوریکه برای نمایشگاه ها، جلسات مهم و بخش اجرایی پروژه ها می بایست بصورت حضوری در محل اجرای پروژه حضور داشته باشید*

توسعه یک روش هوشمند مبتنی بر شبیه‌سازی عددی به منظور شناسایی آسیب‌های محتمل در سازه شاه تیر کشتی با استفاده از یادگیری ماشین ایجاد یک مدل منطبق با واقعیت برای شاه تیر کشتی در نرم‌افزار SolidWorks به منظور استفاده برای تحلیل المان محدود سازه. • تحلیل المان محدود شاه تیر در نرم افزار المان محدود Abaqus • ایجاد یک مدل مناسب به نحوی که توانایی پیش‌بینی وقوع و کشف ترک‌ها بر اساس تحلیل داده‌های بدست آمده از شبیه‌سازی عددی را با خطای پایین داشته باشد. • بالا بردن دقت تحلیل با استفاده از تکنیک‌های هوش مصنوعی و یادگیری ماشین که دقیق‌تر از الگوریتم‌های پیشین برای تشخیص ترک در بدنه خصوصاً شاه تیر باشد. • در نهایت، تشخیص مکان ترک و خستگی در شاه تیر کشتی و تاثیر آن بر روی استحکام کلی سازه کشتی روش فنی اجرای پژوهش به صورت زیر ارائه می‌گردد: • استفاده از از نرم‌افزار SolidWorks به منظور طراحی و ساخت مدل المان محدود سازه شاه تیر • انتقال مدل ساخته شده به محیط نرم افزار المان محدود Abaqus و مش بندی مدل ساخته شده در محیط نرم افزار • اعمال بارگذاری مکانیکی بر روی مدل ساخته شده از شاه تیر کشتی در محیط نرم افزار بر مبنای بارگذاری‌های انجام شده بر روی شاه تیر کشتی واقعی و دستیابی به داده‌‌های مورد نیاز از جمله مولفه‌های تنش، کرنش و میدانهای جابجایی در داخل سازه با استفاده از شبیه‌‌سازی‌های مکرر بر روی مدل المان محدود شاه تیر کشتی • پردازش داده‌های بدست آمده از مرحله قبل با استفاده از توسعه مدل‌های یادگیری ماشین (اعم از کدنویسی و الگوریتم‌های شبکه‌های عصبی و الگوریتم‌های هوش مصنوعی) به منظور تشخیص آسیب و شناسایی مکان ایجاد ترک در شاه تیر • ارزیابی و اعتبارسنجی نتایج حاصل شده

موضوعات برای پروژه ۱. ترکیب بدنی ( روش های آزمایشگاهی اندازه گیری قد و وزن . شاخص توده بدنی و نسبت کمر به لگن و روش ها و دستگاه های اندازه گیری درصد چربی. بعلاوه ارایه ۱۰ مقاله ۵ فارسی و ۵ تا لاتین که از این ابزارها استفاده کرده. توضیح تست ها و خلاصه کل مقاله نه فقط چکیده مقاله در اسلاید آورد شود با بک گراند سفید و قلم درشت B  nazanin24 و  28بولد برای عناوین ۲. روش های اندازه گیری تیپ بدنی و یا سوماتو تایپ و کاربرد آنها . تست ها و مقالات مثل مورد اول ۳. روش های آزمایشگاهی اندازه گیری توان هوازی گاز آنالیزر تست ها و مقالات مثل قبل مورد اول ۴. روش های آزمایشگاهی برآورد توان هوازی روی تردمیل  تست ها و مقالات مثل شرایط مورد اول ۵. روشهای آزمایشگاهی برآورد توان هوازی روی چرخ کارسنج. تست ها و مقالات مثل مورد اول. ۶.روشهای میدانی برآورد توان هوازی.انواع آزمون ها و مقالات مثل مورد اول. ۷.آزمونهای آزمایشگاهی و میدانی توان بی هوازی. ۸. آزمونهای تنفسی حجم ها و ظرفیت ریوی. ۹. آزمونهای قلب و عروق.ECG و Eco ۱۰.آزمون های سنجش انواع قدرت ایستا و پویا و تعادل ایستا و پویا و انعطاف پذیری ایستا و پویا

ارائه تشخیص پزشکی با تعامل با کاربر و پرسش و پاسخ بصورت تایید چک مارک. ارائه لیست تشخیصی محدود و ارائه آزمایشات و پاراکلینیک مورد نیاز برای تشخیص دقیقتر ارائه لیستی از پزشکان متخصص در این زمینه

کار یک ‌پروژه ساده است. مقاله در زمینه تشخیص کدهای نامطلوب با Machine Learning است. کد آن پایتون بوده و کد و دیتاست آن موجود است.ابتدا می بایست کد مقاله با داده های دیتاست پیاده سازی شده بطوریکه به نتایج گزارش شده در مقاله رسید. سپس نتایج بدست آمده را تا جای ممکن بهبود داد

در تریدینگ ویو یک استراتژی که به زبان پاین اسکریپت کد نویسی شده است و بک تست گرفته شده را می خواهم مدل یادگیری ماشین به آن اضافه کنم به روش نظارت شده و برچسب گذاری روی داده های روی چارت تا الگوهای اسپایک و فشردگی ها روی چارت را مدل آموزش ببیند تا با شناسایی اصل از فیک آنها به بهبود استراتژی ترید من کمک کند . به دنبال پیش بینی قیمت نیستم بلکه به دنبال کشف الگوهای روی چارت هستم .

میخوام با استفاده از پردازش تصویر و دیپ لرنینگ سیستمی طراحی بشه که ابتدا با استفاده از نقطه گذاری اشکال هندسی رو تشخیص و بده و سپس بهش بگم تبدیلش کنه به یک شکل دیگه(مثلا مربع). مهارت های مورد نیاز: ●opencv ●Pytorch یا Tensorflow ●طراحی مدل های GAN, CNN مهارت هایی که مزیت حساب میشن: ●Data collecting, web scraping ●Dlib یا Mediapipe و آشنایی با facial landmark detection ●تجربه عملی با DreamBooth, Style GAN2 یا Stable Diffusion

طبق کدی که خودم دارم یک کد دیگه نوشته بشه که بتونه نفر ساعت مورد نیاز برای تعمیرات رو برام پیش بینی کنه کدی که من دارم دقیقا همینه اما اونجا من مشخصات میدم و زمان رو برام پیش بینی میکنه و اینجا میخوام یه جدول که شامل نفر ساعت هست رو در قالب یک فایل اکسل برای هر کدوم از فرایند های تعمیرات هست بدم و اون بتونه بعد هر کدوم از تعمیرات مربوطه رو دادم برام نفر ساعت لازم رو پیش بینی کنه

پروژه اول: کاربرد شبکه عصبی مصنوعی و یادگیری ماشین در طراحی سازه های قاب خمشی بتنی پروژه دوم: کاربرد یادگیری ماشین در بهينه سازي موقعيت ستون ها در ساختمان‌های چند طبقه در زمینه الگوریتم و نحوه کار هماهنگی هایی خواهیم داشت.

موضوع من از شاخه ی nlp ( پردازش زبانهای طبیعی ) هستش

با استفاده از ترکیب الگوریتم های یادگیری ماشین و ViT تهیه کردیم ولی به نظر میرسه با توجه به گذشت زمان از تهیه این مقاله، جنبه های نوآورانه و جدید آن کم شده و نیاز به استفاده از طرح جدیدتر و پیچیده تر بررسی مجدد بشه و ایراداتش برای تایید در کمترین زمان ممکن گفته بشه کسانی که در زمینه جدید ترین الگوریتم ها نظیر MobileNet و ResNet ، DenseNet(آخرین ویرایش ها) کار کرده اند و سابقه ارسال در این زمینه دارند لطفا پیام دهند تا توضیحات بیشتر خدمتشون ارائه بشه در صورت مطلوب بودن کار و کدنویسی پایتون، مقاله دوم نیز در همین خصوص با روش ادغامی YOLO تهیه شده که ارسال میشه

سلام وقت بخیر، من یک پروژه دارم که مربوط به یکی از فصل‌های یک مقاله پژوهشی در حوزه‌ی یادگیری عمیق و تشخیص چهره هست. پروژه با زبان پایتون پیاده‌سازی شده و هدف اینه که کد مربوط به مقاله به‌صورت کامل مستندسازی شود. در این پروژه قراره: تمام جزئیات پیاده‌سازی به‌طور دقیق نوشته بشه الگوریتم‌های استفاده‌شده توضیح داده بشن خروجی‌های حاصل از اجرای کد هم ارائه بشن اگه شما وقت و توان انجام این کار رو دارید، خوشحال می‌شم جزئیات بیشتری در اختیارتون بذارم. ممنون از وقتتون 🌱

• SPSS Modeler: برای داده‌کاوی و شناسایی الگوها از طریق شبکه‌های عصبی یا رگرسیون درخت تصمیم. • EViews: برای استفاده از مدل‌های رگرسیونی در قیمت‌گذاری دارایی‌ها. ‌ Python: برای تحلیل‌های پیشرفته، پاک‌سازی داده‌ها، و استفاده از روش‌های یادگیری ماشین.

مدل کوادکوپتر در سیمولینک دارم میخوام به وسیله یادگیری تقویتی عمیق بتونه در محیط با موانع اموزش ببینه و سپس در محیط با موانع متفاوت تری اگر تست کنم بتونه بدون برخورد با موانع کوتاه ترین مسیر رو به هدف طی کنه خروجی های لازم رسم مسیر حرکت و محیط و نمودار های موفقیت در یادگیری و تست باشه

به فردی مسلط به مباحث یادگیری ماشین، یادگیری عمیق و شبکه های عصبی برای انجام یک پروژه مدلسازی و فرموله سازی برای تشخیص بیماری نیاز دارم فرد در کنار مهارت های فوق الذکر ایده دهنده و خلاق هم باشه و بتونه بر اساس شرح کار و توضیحات تکمیلی متدی خلاقانه بمن ارائه بده

پروژه شامل چند بخش است ابتدا باید یک مدل شبکه عصبی روی داده های کم برای پیش‌بینی دو خروجی بصورت همزمان ایجاد شده و همچنین خود شبکه بهینه گردد (با استفاده از روش هایی مانند GA, PSO, Hyperband, BA و ...) و نیز تفسیر شبکه عصبی به منظور فهمیدن تاثیر پارامترها بر خروجی با استفاده از روش هایی مانند PDP, LIME یا SHAP انجام گیرد (در ارزیابی این مدل R2 باید حداقل بالای 0.85 و MAE و MSE کم باشد) در ادامه برای افزایش تعداد داده ها باید از روش‌های data imputation برای جانهی missing values استفاده کرد تا تعداد داده ها افزایش یابد. این بخش نیاز به خلاقیت دارد تا بدون اینکه ماهیت دیتاست تغییر کند تعداد داده ها افزایش یابد و سپس مدلی مانند مرحله اول روی این دیتاست جدید توسعه داده شود (لزوما نباید شبکه عصبی باشد) و ارزیابی آن با داده های تست (Test set) مرحله قبل انجام بگیرد.

مدل یادگیری ماشین پس از آموزش روی بلاک‌چین اتریوم پیاده‌سازی می‌شود(EVM) تا قراردادهای هوشمند را به‌صورت غیرمتمرکز و بلادرنگ بررسی و آسیب‌پذیری‌ها را شناسایی کند و به کاربران هشدار دهد.مرحله اول با deep leaning انجام میشود.

سلام؛ ما یک تیم ارز دیجیتال هستیم و میخوایم یک پروژه جدید داشته باشیم که با پایتون و با بهره از ماشین لرنینگ و هوش مصنوعی نوشته بشه؛ به این صورت که قیمت 24 ساعت آینده بیتکوین رو با دقت بالایی پیش بینی کنه و روی یک سایت یا ربات تلگرام نمایش بده! به طوری که از زمان اجرای ربات و با هر بار تست کردن، مدل یادگیری خودش رو ارتقا بده و دقت تحلیلش بیشتر بشه و کمترین خطا رو بده! ما یک تست اولیه برای انتخاب فرد مناسب داریم که یک کد پایتون پیش فرض با همین نتیجه بهش میدیم و باید بررسی و خطایابی کنه تا به درستی ران بشه. اگه این مرحله با موفقیت رد شد، وارد همکاری اول میشیم که همین پروژه است در صورت توافق و ادامه همکاری، یک پروژه بسیار بزرگ بین المللی در پیش داریم که قراره حسابی سر و صدا به پا کنه. پس اگه مهارت فنی و تخصص لازم رو دارین، همچنین پشتکار و نظم خوبی دارین و اهل کار تیمی و رشد کردن هستین، منتظر پیامتون برای شروع همکاری هستم :) راستی بودجه اولیه این پروژه هم 200 دلاره : 50 دلار به عنوان پیش پرداخت و در صورت قبولی در تست اول پرداخت میشه، 100 دلار پس از اتمام کدنویسی و تحویل کامل کد و اجرا روی یک سرور برای نمایش خروجی 50 دلار هم یک هفته بعد از شروع اولین تحلیل ربات و تایید پیشرفت مدل یادگیری و دقت تحلیل ( البته بسته به سطح و سبک کار شما می‌تونه کمتر یا بیشتر هم بشه )

شبیه‌سازی تخصیص و زمان‌بندی منابع در محیط ابری (دیتاسنتر با درنظر گرفتن تایپ منابع مختلف)، به کمک الگوریتم یادگیری عمیق a3c با هدف کاهش مصرف انرژی بر اساس مصرف منابع در هر لحظه. (دیتاست مربوطه شامل تایم ورود تسک، منابع لازم و زمان تقریبی انجام تسک است. دیتاست حجم زیادی ندارد نهایت یک گیگابایت) + توابع ارزیابی مدل مانند پیشرفت کسب ریوارد در تکرار‌های مختلف، احتمال اکشن‌ها، توزیع lossها و ... + مصرف منابع و زمان انجام کار‌ها، درصد تکمیل، مصرف انرژی و هزینه و ... +مکانیزم migration برای ایجاد load balancing و خاموش کردن منابع بلا استفاده. تعادل لودکاری سرورها به طوری که ۸۵ درصد بیشتر مصرف نشود و منابع با ۱۵ درصد مصرف با مکانیزم migration به صفر رسیده و خاموش گردند. انتخاب تسک برای مایگریشن نیز بر اساس تاثیر روی تعادل بار کاری ماشین‌ها است. + احتمال خرابی سرورها با درصد پایینی مثلا نیم‌درصد در هر اپیزود وجود داشته باشد و تسک‌های مربوط به ماشین خراب شده همراه میزان پیشرفت کار به صف انتظار انتقال پیدا کند. + مکانیزم ورود تسک‌ها fifo بوده و نیازی به مکانیزم خاصی برای انتخاب تسک‌ها هنگام ورود به سیستم وجود ندارد.

در خصوص نحوه انجام یک پروژه ارزیابی ریسک داده محور در یک پالایشگاه نفتی با استفاده از تکنیک های یادگیری ماشین و روابط علی معلولی یک جلسه راهنمایی تفلنی میخوام. ممنون میشم اگر کسی در این زمینه توانمند هست به من اطلاع بده.

از تعدادی مقاله باید به ایده برسم برای زمبنه مخابرات .

دیتاستی متشکل از فیچر نامبر و کاراکتر .مقصود پیدا کردن بست فیچر برای افزایش سلول تارگت .به عبارتی پیدا کردن و پیشنهاد بست فیچر ها از لیست برای افزایش عددی یک تارگت عددی خاص و پیشنهاد مقدار اصلاح و جایگزینی فیچر های ضعیف با پیشنهاد به وسیله ml

برای یک شرکت B TO B یک پروژه پیش بینی نرخ ریزش تعریف کردیم برای واحد خدمات پس از فروش برای اجرا نیاز به همکار داریم