پیاده سازی مدل ها و الگوریتم های یادگیری عمیق

شرح پروژه

بهبود یکی از مقالات ضمیمه؛ 

توضیحات

برنامه درخواستی مبتنی بر شبکه های عصبی عمیق است و موارد زیر را باید تجربه کاری داشته باشید:

بتوانید مدل های چند طبقه و ترکیبی از CNN-RNN-LSTM – AE را پیاده سازی نمایید:

الگوریتم های زیر را نیز بدانید و در صورت امکان بتوانید در محیطی کارکنید که الگوریتم جدید را نیز ایجاد و استفاده نمایید

k-means – RF و ... ما در نوشتن الگوریتم ممکن است اشکال زدایی کنیم.

آیا با outlier detection آشنایی دارید ؟

 با الگوریتم هایی در فاز انتخاب ویژگی و نیز فرایند پیکربندی hyperparameters ها نیز باید تسلط داشته باشید.

تجربه کار با کتابخانه های جدید پایتون را داشته باشید.

با روش های انتخاب  بهترین ویژگی ها، اگر آشنایی دارید بهتر است در طرح پیشنهادی خود، ابتکار به خرج دهید تا در رقابت جلو بیافتید.

از کل فایل هایی که اینجا دیدی باید بتوانی یک چارچوب مشخص کاری داشته باشید تا بتوانید معماری های مختلف را با هم همسو کرده و پیاده سازی بسیار ساده و کم هزینه ای را پیشنهاد دهید.

مثلا :

 وارد نمودن / بارگذاری دیتاست های مختلف در شبکه های طراحی شده

انتخاب نام الگوریتم ها در مراحل یادگیری / طبقه بندی جهت اعمال در نتیجه نهایی

انتخاب نحوه مقداردهی و کانفیگ هایپرپارمترها (استاتیک یا داینامیک)

انتخاب نوع معماری شبکه عصبی عمیق

انتخاب تعداد طبقه های استفاده شده در معماری

انتخاب متریک هایی مشترک برای داشبورد یا گزارش نهایی کارایی مدل.

 همه این موارد را در مقالات منتخب می توانید بخوانید و عینا همان را پیاده سازی نماید. ما چندین فایل مفید در اینجا به شما ارایه می دهیم. شبه کد ها را در اینترنت ممکن است بتوانی مشاهده کنید و زمان صرفه جویی کنید.

فقط باید مراحل کار را طوری انجام دهید که هر یک از مراحل زیر توسط کاربر نهایی قابل انتخاب و مقداردهی برای رسیدن به خروجی های مدنظر باشد. این خروجی ها در هر فایل به صورت شکل و جداول خروجی نهایی دقیقا آورده شده است. برای هر فایل می توانی پیشنهاد جداگانه مطرح کنید لکن اگر تجربه زیادی دارید بهتر است یک پیشنهاد نتیجه گیری شده از این فایل ها و در قالب یک طرح پیاده سازی ارائه نمایید . مهلت زمانی بسیار کم است پس لطفا همین الان  بررسی های خود را شروع کنید.

·         نیازی به   custom ui  نیست، از امکانات پایتون استفاده کنید (فقط مراحل خواسته شده قابل انتخاب و به ترتیب تکرار پذیر باشد).

·         دیتاست ها در مرحله برنامه نویسی همه نرمال شده و متنی و در اینترنت در دسترس است.

·         نمونه خروجی ها برای تدقیق نیازمندی ها در ادامه آمده است و در صورت توافق اصل مقالات ارسال خواهد شد.

·         نتایج خواسته شده باید شبیه جداول ارایه شده باشد.

·         تحویل سورس کد قابل اجرا و ویرایش با کلیه کتابخانه ها و بر روی یک ماشبن مجازی به طوری که محیط برنامه نویسی  از قبل فعال باشد الزامی است تا بتوان تکرار پذیری آن و نتایج مشاهده شود. مالکیت معنوی سورس کد متعلق به کارفرما و سفارش دهنده کار است.

برای تصمیم بر نوع همکاری اول از همه باید بتوانید درک کنید که در فایل های زیر چه بیان مساله ای بوده و چه مسائلی را با چه روش هایی حل نموده اند.

اگر از این مرحله عبور کرده اید، حالا وقت آن ست که بتوانید برای هر فایل برآورد زمان پیاده سازی را نمایید که برای آن می توانید سوالات زیادی را به صورت دسته بندی طرح و فیدبک دهید. و پس از تحلیل دقیق به سرعت هزینه را اعلام و کار را پس از اخذ توافق شروع نمایید.

از برون سپاری کار به دیگران جدا خودداری نمایید.

لطفا در ارایه پیشنهاد خود دقت کنید زمان و کیفیت را از دست ندهید همزمان  هم روش کار خود و نیز پیشنهاد فنی را ارائه دهید.

شما می توانید در پروپوزال خود نام فایل ها را برای تعیین محدوده و مشخص شدن خروجی خود بیاورید. و قیمت خود را تفکیک کنید.

ما بدنبال همکاری بلند مدت با شما هستیم.

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

کاربر252847

عضویت پنج سال پیش

1 پروژه ثبت شده ،

0 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 0%