برونسپاری
آموزش آنلاین
کسب درآمد
×
Fateme.J
Fateme.J
Fateme.J
کاربر تایید شده

Fateme.J

(۳)
فارس
آخرین فعالیت : بیش از یک هفته پیش
دعوت به همکاری
نمونه کارها
کارهای انجام شده و نظرات
اطلاعات عمومی
پروفایل
گزارش تخلف
امتیاز براساس دسته بندی
برنامه نویسی:
(۳)
Fateme.J
کاربر تایید شده Fateme.J
(۳)
فارس
آخرین فعالیت : بیش از یک هفته پیش
دعوت به همکاری

امتیاز براساس دسته بندی
برنامه نویسی:
(۳)

اشتراک گذاری پروفایل کاربری
کپی لینک

گزارش تخلف

مهارت های فریلنسر
پردازش سیگنال
پردازش داده
پایان نامه
مقاله نویسی
متن کاوی
پروپوزال
میانگین سرعت پاسخ دهی
۳۴ دقیقه
درصد خوش قولی
i
۱۰۰
درصد موفقیت پروژه
i
۱۰۰
آخرین فعالیت کاربر
بیش از یک هفته پیش
درباره فریلنسر
مدیر عامل شرکت ویرا شکوفه گیلاس (VCB)، برنامه نویس ارشد پایتون و فعال حوزه یادگیری ماشین، مسلط به زبان‌های برنامه‌نویسی و طراحی سایت اینجانب بیش از ده سال فعال حوزه یادگیری ماشین و هوش مصنوعی می باشم. امیدوارم بتوانم کار شما را در کمترین زمان ممکن به بهترین نحو انجام دهم.
تحصیلات
کارشناسی ارشد علوم تصمیم و مهندسی دانش از حکیم سبزواری - سبزوار - ۱۳۹۷ الی ۱۳۹۹

کارهای انجام شده و نظرات

نگارش مقاله
نگارش مقاله
مبلغ استخدام
۴,۴۰۰,۰۰۰ تومان
مشاهده توضیحات پروژه
بهینه سازی
بهینه سازی
مبلغ استخدام
۲,۰۰۰,۰۰۰ تومان
مشاهده توضیحات پروژه
طبقه بندی تصاویر
طبقه بندی تصاویر
مبلغ استخدام
۲,۰۰۰,۰۰۰ تومان
مشاهده توضیحات پروژه
تقسیم بندی تصاویر پزشکی تومور مغزی
تقسیم بندی تصاویر پزشکی تومور مغزی
مبلغ استخدام
۲,۳۰۰,۰۰۰ تومان
مشاهده توضیحات پروژه
متاسفانه، با دو روز تاخیر فایل تحویل دادند و اشتباه بود
بهینه سازی
Taha.M
۱۴ آذر ۱۴۰۲
تمام اون چیزی که میخواستم انجام شد، واقعا ازشون ممنونم
طبقه بندی تصاویر
Mahbube.A
۶ آذر ۱۴۰۲
مجری از نظر اخلاقی بسیار محترم و با شخصیت و از نظر کار حرفه ای و با تجربه هستند.

نمونه کارها

تشخیص و شمارش تعداد سلول ها مبتنی بر یادگیری عمیق
این کد تأثیر تشخیص WBC مبتنی بر یادگیری عمیق را با استفاده از You Only Look Once نسخه 3 (YOLOv3) با مدل شبکه عصبی کانولوشنال (CNN) مختلف از پیش آموزش دیده بررسی می‌کند. مدل هایی که مورد آزمایش قرار گرفتند عبارتند از Alexnet، Visual Geometry Group 16 (VGG16)، Darknet19 و مدل استخراج ویژگی YOLOv3 موجود، Darknet53. معماری شامل کادر محدود برای پیش‌بینی کلاس، استخراج ویژگی و لایه‌های کانولوشنال اضافی است.
مشاهده نمونه کار
شناسایی پلاک خودرو (فارسی - انگلیسی)
تصاویر دریافتی از پلاک خودروها به وسیله دوربین های پلاک خوان تنها قابل مشاهده هستند. با این تصاویر قابلیت جستجو و یا ذخیره سازی متن پلاک در دسترس نیست. از اینرو به یک نرم افزار هوشمند برای ثبت متن پلاک و امکاناتی نظیر عملیات گزارشگیری ، جستجو و ویرایش نیازمند هستیم. این نرم افزار تصاویر دریافتی از دوربین ها را پردازش کرده و متن پلاک را استخراج می نماید.
مشاهده نمونه کار
استخراج داروهای COVID-19
هدف پروژه استخراج داروهای COVID-19 جمع‌آوری خودکار داده‌های مربوط به داروهای مورد استفاده علیه COVID-19 در سراسر جهان و ایجاد یک مخزن ساختاریافته است که شامل توضیحات دارو، عوارض جانبی و انتشارات موجود است.
مشاهده نمونه کار
تشخیص اخبار جعلی با یادگیری عمیق
اخبار جعلی پدیده ای است که تاثیر بسزایی در زندگی اجتماعی انسانها، به ویژه در دنیای سیاست دارد. تشخیص و کشف اخبار جعلی در شبکه های اجتماعی یک حوزه تحقیقاتی جدید و در حال ظهور است. در کنار مسئله تجزیه و تحلیل، انتشار اخبار جعلی میتواند بر روی احساسات و روان جامعه نیز اثر منفی داشته باشد. با استفاده از راه حل های پیشنهادی مطرح شده در این پروژه، میتوان با دقت خوبی اخبار جعلی را تشخیص داد و بر روی سلامت روان جامعه نیز تاثیر مثبت گذاشت.
مشاهده نمونه کار
شناسایی خودرو و تشخیص مدل آن
سامانه تشخیص نوع خودرو می تواند از طریق تصاویر دوربین های مدار بسته و نظارتی ، با استفاده از شبکه های عصبی عمیق و فناوری های حوزه هوش مصنوعی نوع خودرو های در حال تردد را به صورت آنی تشخیص داده و گزارش کند.
مشاهده نمونه کار
بهبود مدل مبتنی بر یادگیری عمیق برای طبقه بندی ویدیو
یک مدل CNN دو بعدی می تواند ویژگی های تصویر را از هر یک از فریم های ویدئویی استخراج کند ، و مسئله بعدی این است که این ویژگی ها را در بعد زمانی در یک شاخص از دسته ویدیو ترکیب کنید. این ویژگی های تصویر در فریم های ویدیویی مجموعه ای از داده های زمانی را تشکیل می دهد. محتویات فریم های ویدئویی مجاور همبستگی قوی بین یکدیگر دارند ، به عنوان مثال ، محتوای یک یا چند فریم را می توان به طور اساسی توسط فریم های قبلی در یک عکس تعیین یا پیش بینی کرد. چنین مکانیزمی را می توان با یک مدل LSTM مدل سازی کرد.
مشاهده نمونه کار
کارلنسر را در شبکه های اجتماعی دنبال کنید
شماره تماس ۲۸۴۲۶۴۴۳ ۰۲۱
آدرس ایمیل info@karlancer.com
پشتیبانی