دو پروژه ماشین لرنینگ در متلب

شرح پروژه

سلام ،
من دو پروژه‌ی جداگانه دارم که باید با استفاده از روش‌های یادگیری ماشین و یادگیری عمیق (Deep Learning) در متلب انجام بشن. هر پروژه شامل کدنویسی، تحلیل، و یک گزارش مرحله‌ به ‌مرحله تحویل داده بشه. جزئیات دقیق هر پروژه به شرح زیر هست:

پروژه اول: Image Classification با استفاده از دیتاست CIFAR-10

توضیحات پروژه:

دیتاست مورد استفاده: CIFAR-10
شامل 60000 تصویر رنگی 32×32 در 10 کلاس مختلف مانند airplane, automobile, cat, dog, ship و غیره است.
هدف پروژه: طراحی و پیاده‌سازی یک مدل یادگیری عمیق برای تشخیص و طبقه‌بندی تصاویر
حتماً شامل نمودارها، تحلیل‌ها و بررسی عملکرد مدل باشد.
تحویل نهایی شامل:

فایل کد کامل
گزارش و توضیح مرحله ‌به ‌مرحله 
 

پروژه دوم: Classification of Damage Mechanisms in CFRP using Deep Learning

توضیحات پروژه:

دیتاست شامل 1600 نمونه (1280 آموزش + 320 تست) با 53 ویژگی عددی (CWT Coefficients)
هر داده به یکی از 5 کلاس تعلق دارد: Noise، Delamination، Debonding، Matrix Crack، Fiber Breakage
هدف: طراحی و مقایسه‌ی دو روش برای طبقه‌بندی نوع آسیب:
رویکرد اول: Two-Stage Classification

مرحله اول: Binary Classification برای تشخیص «داده سالم» یا «داده دارای آسیب»
مرحله دوم: Multi-Class Classification برای تشخیص نوع دقیق آسیب (فقط در داده‌هایی که آسیب‌دار تشخیص داده شدند)
رویکرد دوم: Single-Stage Classification

مدلی که از ابتدا تمام 5 کلاس را به طور مستقیم پیش‌بینی کند
خواسته‌ها:

طراحی، آموزش و ارزیابی کامل دو مدل برای هر رویکرد
مقایسه‌ی نهایی عملکرد دو رویکرد متریک‌هایی مثل Accuracy, Precision, Recall, F1-Score
استفاده از شبکه‌های عصبی مناسب برای داده‌های عددی مثلاً MLP 
تمرکز ویژه روی بخش Pre-processing و Feature Extraction
تحویل نهایی شامل:

فایل کامل کدها
گزارش و توضیح مرحله به مرحله 
نمودارها و مقایسه‌ی نهایی دو روش
تمرکز گزارش صرفا باید روی Pre-processing، Feature Extraction، ارزیابی مدل و تحلیل نتایج باشد.

دیتا ها و اصل توضیح هر پروژه به صورت زیپ آپلود شده .  

این پروژه شامل 4 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

کاربر696638

عضویت دو ماه پیش

1 پروژه ثبت شده ،

0 پروژه در حال انجام ،

0 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 100%