پروژه هوش مصنوعی (ML)

ما به دنبال یک متخصص داده (Data Scientist) یا مهندس Machine Learning مسلط به تحلیل تکنیکال و سری‌های زمانی هستیم تا به ما در تعریف دقیق «رژیم‌های بازار» و ایجاد یک دیتاست برچسب‌گذاری شده (Labeled Dataset) کمک کند. هدف این پروژه، تبدیل مفاهیم بصری روی چارت‌های کریپتو به قوانین ریاضی و عینی برای آموزش مدل‌های هوش مصنوعی است. داده‌های مورد بررسی: برای هر توکن، ۴ نمودار همگام‌سازی شده (Synchronized) در اختیار شما قرار می‌گیرد: ۱. سیگنال SS (ساعتی) ۲. حجم SS (ساعتی) ۳. حجم VV (پنج دقیقه‌ای) ۴. نمای قیمت (ترکیب قیمت ساعتی و ۵ دقیقه‌ای) وظایف فریلنسر: ۱. تدوین دفترچه قوانین (Regime Spec): نوشتن یک سند ۲ تا ۴ صفحه‌ای که تعاریف دقیق ریاضی و بصری برای هر برچسب (مانند ss_increasing، price_sharp_increasing و …) را مشخص کند. این قوانین باید شامل نقاط ورود/خروج، حداقل زمان ماندگاری و نحوه مدیریت نویزها باشد. ۲. برچسب‌گذاری آزمایشی (Pilot): لیبل‌گذاری ۳ توکن برای یک بازه ۳۰ روزه بر اساس قوانین تدوین شده. ۳. گزارش کیفیت: ارائه آمار دقیق از توزیع برچسب‌ها و تحلیل موارد مبهم. ۴. تحویل نهایی: ارائه فایل‌های CSV برچسب‌گذاری شده و Metadataهای مربوطه. مهارت‌های مورد نیاز: تسلط به تحلیل سری‌های زمانی (Time-series Analysis) آشنایی با بازارهای مالی و تحلیل تکنیکال دقت بالا در Labeling و مستندسازی توانایی کار با فرمت‌های داده‌ای CSV و JSON نحوه ارزیابی (تست ورودی): از متقاضیان خواسته می‌شود برای یک توکن در بازه ۷ روزه، قوانین مربوط به قیمت را تدوین و برچسب‌گذاری نمونه انجام دهند. ملاک تایید، «تکرارپذیری» قوانین و عدم استفاده از دیتای آینده (Look-ahead bias) در برچسب‌گذاری است. سوالات الزامی برای ارسال پیشنهاد: ۱. چگونه رژیم‌های بازار را از حالت ذهنی به حالت عددی و عینی (مثلاً با Thresholds یا Slope) تبدیل می‌کنید؟ ۲. چه راهکاری برای حفظ ثبات برچسب‌ها در ارزهای مختلف (با نوسانات متفاوت) دارید؟ ۳. با توجه به لیست برچسب‌های فعلی، چه موارد دیگری را برای بهبود دقت مدل پیشنهاد می‌دهید؟