خروج

خانه فریلنسرها Hesam.M

Hesam.M

(۳)

تهران

آخرین فعالیت : ۱ روز و ۱۴ ساعت پیش

دعوت به همکاری

گزارش تخلف

امتیاز براساس دسته بندی

برنامه نویسی:

(۲)

Hesam.M

(۳)

تهران

آخرین فعالیت : ۱ روز و ۱۴ ساعت پیش

دعوت به همکاری

امتیاز براساس دسته بندی

برنامه نویسی:

(۲)

اشتراک گذاری پروفایل کاربری

کپی لینک

گزارش تخلف

مهارت های فریلنسر

tensorflow

machine learning

deep learning

neural network

python

matplotlib

data mining

data science

web scraping

sql

میانگین سرعت پاسخ دهی

۲۵ دقیقه

درصد خوش قولی

درصد موفقیت پروژه

آخرین فعالیت کاربر

۱ روز و ۱۴ ساعت پیش

درباره فریلنسر

سلام و احوال پرسی چند سالی میشه پیگیر حوزه هوش مصنوعی ،‌ یادگیری ماشین و یادگیری عمیق هستم و دارم آموزش میبینم با اکثر الگوریتم ها توی این زمینه آشنام میتونم پیاده سازیشون کنم با دیتاهای عکس و تکست کار کردم و تکست برام جذاب تر بوده عاشق تحلیل احساساتم مخصوصا متن و توییت

تحصیلات

مهندسی کامپیوتر از رازی - ۱۳۹۷ الی ۱۴۰۱

تجربه های کاری

پشتیبان فنی در آذران وب - ۱۴۰۰ الی ۱۴۰۱

برنامه نویس پایتون در نیروی غرب - ۱۴۰۱ الی ۱۴۰۲

costume kernel builder در نادر تک - ۱۴۰۲ الی ۱۴۰۲

کارهای انجام شده و نظرات

پروژه‌ای انجام نشده است

پیش پردازش داده ( تصاویر یا متن )

کارلنسر

۱۲ مهر ۱۴۰۱

خدمت با موفقیت تایید شد.

پیاده سازی الگوریتم های مختلف حوزه یادگیری ماشین و یادگیری عمیق روی انواع دیتاهای متن و عکس

کارلنسر

۹ مهر ۱۴۰۱

خدمت با موفقیت تایید شد.

تحلیل احساسات با الگوریتم Logistic Regression

پوریا

۳ مهر ۱۴۰۱

در زمینه پیش پردازش داده‌ها به خوبی عمل میکنند و زمان مناسبی را برای فهم دیتابیس و بهینه کردن آن در جهت بهبود خروجی اختصاص میدهند بهترین پارامترهای الگوریتم را پیدا میکنند و ماکزیمم دقت را از الگوریتم و دیتابیس میگیرند

نمونه کارها

sentiment analysis on IMDB

توی این پروزه تحلیل احساسات رو داشتیم روی Dataset معروف سایت IMDB این Dataset شامل نقد و بررسی کاربرها در باره فیلم که نظرات کامل هست و متن‌های طولانی رو شامل میشه و در کنار اون هم pos or neg بودن نظر رو داریم انواع الگوریتم های مختلف توی این پروژه استفاده شد از رگرسیون و کلاسیفیکیشن های سنتی تا CNN, RNN, GNN, LSTM

مشاهده نمونه کار

تحلیل احساسات توییت

این پروژه برای دانشگاه بود و کار کردن روی دیتاست داخل سایت kaggle هست که تقریبا 40هزار تا توییت رو توی 13 حالت احساس دسته بندی کرده بودن هدف هم ساختن مدلی بود که بتونه احساسات رو تشخیص بده الگوریتم های مختلفی روی این دیتا ست پیاده سازی شد logistic regression, svm, MLP, DecisionTree, RandomForest, KNN, LSTM, CNN دقت ها هم نسبتا خوب بودن و بالای 70 درصد دقت میداد بهم که به نسبت اینکه دیتا ست زیاد شناخته شده نبود قابل قبول بود و کد هایی هم که توی خود سایت kaggle بودن برای دیتا ست دقتشون نزدیکای 60 بود که بازم به نسبت اونا درصد قابل قبولی رسیده بودم

مشاهده نمونه کار