116611  - ربات تریدر

#python, #telegram_bot, #instagram_bot, #bale_bot

درخواسات سفارش رباط ترید خودکار دارم زمان مشکلی ندارم احتیاج به عجله نیستجزیات هم فقط اسکن چارت رو تحلیل کنهاگرتوجزیات ضعف هست ببخشید تجربه ندارم بطور کلی رباطی میخوام هم هزینه کم باشه هم واسه ترید کمکم کنهواینکه خیلی مهمه برام اینکه دیدین اکسر رباطها محدوده قیمت دارن مثلت 50 دلار 100 دلار حتما این مبلغ باید باشه این روهو تا جای ممکن اختیاری یا کم باشهممنون فقط با این شرایط هزینرو بهم اعلام کنید سپاس از شما


توسط خریدار: khaneprozhe

اطلاعات بیشتر:
https://parscoders.com/project/614962/116611 -ربات-تریدر

t.me/ParscodersCom

خواندن اطلاعات سایت

#c_programming, #php, #python, #web_scraping, #telegram_bot

صفحات یک سایت رو نیاز دارم که شامل اطلاعات تماس مراکز درمانی هستش که بصورت خروجی csv در ستون های تفکیک شده دریافت شوند
از سایت هایی که api خواندن اطلاعات دارند می توان استفاده کرد
جزییات بیشتر هماهنگ می شود


توسط خریدار: کاربر198534

اطلاعات بیشتر:
https://parscoders.com/project/615058/خواندن-اطلاعات-سایت

t.me/ParscodersCom

پیاده سازی عینا همانند یک مقاله (Q1-Q4 JCR) در حوزه مهندسی فوتونیک که با یادگیری ماشین پیاده سازی شده است
🔸 پروژه ویژه

#python, #article_rewriting, #machine_learning, #mathematics, #physics

عنوان پروژه: بازتولید یک مقاله جدید یادگیری ماشین در حوزه فیزیک و فوتونیک
برای انجام یک پروژه پژوهشی فشرده، به همکاری فردی مسلط به Python، یادگیری ماشین، تحلیل داده و ترجیحاً فوتونیک نیاز دارم. پروژه باید مرحله‌به‌مرحله، مستند، بازتولیدپذیر و همراه با انتقال کامل دانش انجام شود تا بتوانم تمام بخش‌های کد، روش و نتایج را شخصاً توضیح دهم و دفاع کنم.
مرحله اول پروژه، انتخاب و بازتولید مستقل یک مقاله ژورنالی معتبر با شرایط زیر است:
- مقاله پژوهشی ژورنالی Q1 تا Q4 باشد.- سال انتشار آن بین 2023 تا 2026 باشد.- موضوع مقاله مستقیماً به فیزیک یا مهندسی فوتونیک و یادگیری ماشین مربوط باشد.- ترجیحاً با مدل‌سازی جانشین، پیش‌بینی عملکرد قطعات فوتونیکی، فوتونیک مجتمع، MZI، میکرورینگ، فیبر نوری یا طیف‌سنجی ارتباط داشته باشد.- دیتاست دقیق و اصلی مقاله همین اکنون قابل دریافت باشد.- کد رسمی یا پیاده‌سازی عمومی مقاله در GitHub، Papers with Code یا سایر منابع اینترنتی وجود نداشته باشد.- مدل مقاله با استفاده از Python و کتابخانه‌هایی مانند Scikit-learn، TensorFlow یا PyTorch به‌صورت مستقل پیاده‌سازی شود.- همان preprocessing، تقسیم‌بندی داده، hyperparameterها و معیارهای مقاله تا حد امکان رعایت شوند.- معیارها، جدول‌ها و نمودارهای اصلی مقاله بازتولید شوند.- اختلاف نتایج بازتولیدشده با مقاله ترجیحاً از حدود 1 تا 2 درصد بیشتر نباشد.- استفاده از داده جایگزین، داده ساختگی، دست‌کاری داده یا کپی‌کردن کد دیگران قابل قبول نیست.
پیش از شروع پیاده‌سازی، لازم است 3 تا 5 مقاله کاندید همراه با مدارک زیر ارائه شوند:
1. عنوان، DOI، سال و مدرک Quartile مجله2. لینک مقاله و دیتاست دقیق3. بررسی مستند نبودن کد عمومی4. مشخص‌کردن جدول‌ها، نمودارها و معیارهایی که بازتولید خواهند شد5. ارزیابی امکان اجرا با CPU یا سخت‌افزار معمولی6. ریسک‌های بازتولید، از جمله نبود seed، split یا جزئیات preprocessing
هیچ مقاله‌ای پیش از بررسی و تأیید این مرحله انتخاب نخواهد شد.
مرحله دوم، طراحی و اجرای یک بهبود علمی و واقعاً نوآورانه روی همان دیتاست است. این بهبود نباید صرفاً افزودن یک مدل آماده دیگر به مدل‌های مقاله باشد. ایده می‌تواند شامل معماری یا ensemble هدفمند، استخراج ویژگی فیزیکی، قید فیزیکی، روش نمونه‌برداری، تحلیل عدم‌قطعیت، بهبود تعمیم خارج از توزیع یا روش علمی مشابه باشد. تازگی ایده باید با جست‌وجوی مستند در منابع علمی بررسی شود. مدل پیشنهادی باید در معیارهای اصلی، هم از نتایج مقاله و هم از پیاده‌سازی پایه بهتر عمل کند و مقایسه منصفانه با split و protocol یکسان انجام شود.
خروجی‌های موردنیاز:
- فایل PDF مقاله پایه- دیتاست اصلی و مستندات آن- Jupyter Notebook تمیز و قابل‌اجرا برای پیاده‌سازی پایه- فایل‌های CSV شامل تمام نتایج عددی- نمودارهای باکیفیت مربوط به بازتولید و مقایسه- ثبت seed، نسخه کتابخانه‌ها، تنظیمات و زمان اجرا- گزارش پژوهشی تحلیلی حدود 14 تا 15 صفحه- شرح مقاله، داده، preprocessing و مدل پایه- مقایسه دقیق اعداد بازتولیدشده با اعداد مقاله- - جدول و نمودار مقایسه روش پایه - تحلیل خطا، محدودیت‌ها، چالش‌ها و درس‌های آموخته‌شده-  انتقال دانش و توضیح  بخش‌های مهم کد
ساختار تحویل باید منظم و به‌صورت زیر باشد:
Project_Final.zip├── Report/│   ├── Project_Report.pdf│   └── Based_Paper.pdf├── Base_Implementation/│   ├── code_base.ipynb│   ├── figures_base/│   └── results_base.csv├── ── Datasets/    └── dataset files
کیفیت علمی و امکان ب...


توسط خریدار: کاربر149362

اطلاعات بیشتر:
https://parscoders.com/project/615063/پیاده-سازی-عینا-همانند-یک-مقاله-q1-q4-jcr-در-حوزه-مهندسی-فوتونیک-که-با-یادگیری-ماشین-پیاده-سازی-شده-است

t.me/ParscodersCom

پروژه با متلب یا پایتون 9401

#matlab, #python, #industrial_engineering, #gams

باسلام
میخوام مدلی که دارم را با پایتون یا متلب اجراکنی
داده های مورد نیاز رو بهتون میدم ولی خروجی اجرا میخوام بصورت مقاله زیر باشه بخصوص نمودارش


توسط خریدار: payaprozhe

اطلاعات بیشتر:
https://parscoders.com/project/614709/پروژه-با-متلب-یا-پایتون-9401

t.me/ParscodersCom

افزودن ربات اشتراک

#c_sharp_programming, #java, #php, #python, #telegram_bot

یه گروه دارم که نیاز دارم کاربر برای اینکه پیام بزاره اشتراک تهیه کنه. اشتراک ماهانه قابل تمدید.


توسط خریدار: خدادادی

اطلاعات بیشتر:
https://parscoders.com/project/615212/افزودن-ربات-اشتراک

t.me/ParscodersCom

پروژه الکوریتم ماشین لرنینگ 9296

#python, #machine_learning, #matlab

با الگوریتم های ماشین لرنینگ هست.
32 تا دیتاست هست باید با الگوریتم های ماشین لرنینگ متناسب با دیتاست مورد نظر مدل بشه .یه ویدیو از نمونه کار دانشجوهای قبلی هست جهت ایده میفرستمزمان تا ۱۵ شهریور


توسط خریدار: payaprozhe

اطلاعات بیشتر:
https://parscoders.com/project/615130/پروژه-الکوریتم-ماشین-لرنینگ-9296

t.me/ParscodersCom

طراحی و پیاده‌سازی سیستم هوشمند پاسخگویی و فروش چندکانال با n8n

#c_sharp_programming, #java, #php, #python, #artificial_intelligence

وبسایت فروشگاهی داریم با وردپرس.
ه
هدف، طراحی و پیاده‌سازی یک سیستم هوشمند و قابل توسعه برای پاسخگویی خودکار به مشتریان فروشگاه از طریق کانال‌های مختلف ارتباطی است.
سیستم باید بتواند اطلاعات محصولات و مشتریان را از وب‌سایت فروشگاهی دریافت و مدیریت کند و از طریق کانال‌های زیر به مشتری پاسخ دهد:
دایرکت اینستاگرامواتساپتلگرامایتابلهسیستم باید علاوه بر پاسخگویی، قابلیت مشاوره خرید، پیشنهاد محصول، ثبت سفارش، ذخیره و بازیابی اطلاعات مشتری، تحلیل نیازهای مشتریان و ارائه داشبورد مدیریتی داشته باشد.
هدف این نیست که صرفاً یک Chatbot ساده ساخته شود؛ بلکه باید یک سیستم یکپارچه CRM + AI Customer Support + Sales Assistant ایجاد شود که در آینده قابلیت توسعه داشته باشد.
داکیومنت و جزئیات مربوط به پروژه پیوست شده.
لطفا مطالعه بفرمایید
باتشکر


توسط خریدار: Ali A

اطلاعات بیشتر:
https://parscoders.com/project/615220/طراحی-و-پیاده‌سازی-سیستم-هوشمند-پاسخگویی-و-فروش-چندکانال-با-n8n

t.me/ParscodersCom

توسعه سیستم پشتیبان تصمیم برای اپراتورهای خط تولید

#python, #expert_system, #programming

این پژوهش از نوع کاربردی بوده و با هدف توسعه و ارزیابی یک سیستم پشتیبان تصمیم‌گیری مبتنی بر هوش مصنوعی جهت پیشنهاد راه‌حل برای عیوب محصولات در خط تولید کاشی و سرامیک انجام می‌گیرد. رویکرد اصلی پژوهش، ترکیبی است که در دو مرحله‌ی عمده اجرا می‌شود: ۱. مرحله اول: تحلیل داده‌ها و طراحی مدل در این مرحله، داده‌های تاریخی ثبت‌شده در سیستم ترابل‌شوتینگ ایفاسرام شامل موارد زیر استخراج و پاک‌سازی می‌شوند: • نوع عیب (مثلاً ترک، تاب‌دار شدن، تغییر رنگ و...) • محل بروز عیب در خط تولید • شرایط فرآیندی هنگام بروز عیب (مثلاً دمای کوره، نوع لعاب، اپراتور مسئول و...) • راه‌حل اتخاذشده برای رفع آن • نتیجه نهایی (موفق/ناموفق بودن راه‌حل) سپس با استفاده از الگوریتم‌های داده‌کاوی و یادگیری ماشین مانند: • K-Nearest Neighbors (KNN) • Decision Trees • Support Vector Machines (SVM) • یا مدل‌های هیبریدی (در صورت نیاز) مدلی برای پیش‌بینی و پیشنهاد بهترین راه‌حل در شرایط مشابه آموزش داده می‌شود. همچنین ممکن است از الگوریتم‌های سیستم‌های توصیه‌گر مانند Content-Based Filtering یاCollaborative Filtering بسته به ساختار داده استفاده شود. ۲. مرحله دوم: پیاده‌سازی و ارزیابی مدل پس از طراحی مدل، یک نسخه آزمایشی از سیستم توصیه‌گر توسعه داده می‌شود و عملکرد آن در محیط واقعی یا شبیه‌سازی‌شده بررسی می‌گردد. برای ارزیابی اثربخشی سیستم طراحی‌شده، از معیارهای زیر استفاده خواهد شد: • دقت پیشنهادها • نرخ موفقیت در رفع عیوب با راه‌حل پیشنهادی • میزان کاهش زمان واکنش اپراتور • میزان رضایت اپراتورها از استفاده از سیستم )از طریق پرسش‌نامه( در صورت امکان، قبل و بعد از استفاده از سیستم، مقایسه آماری عملکرد خط تولید و کیفیت خروجی‌ها نیز انجام می‌گیرد تا اثر مستقیم سیستم در کاهش ضایعات و بهبود تصمیم‌گیری سنجیده شود. ابزارها و نرم‌افزارهای مورد استفاده: • پایتون (کتابخانه‌هایی مانند scikit-learn،pandas ،NumPy ،matplotlib) • پاور بی ای یا اکسل برای تحلیل و مصورسازی داده‌ها • ابزارهای پرسش‌نامه‌سازی برای ارزیابی کیفی (مانند Google Forms) جامعه آماری و نمونه: داده‌های تاریخی ثبت‌شده طی یک یا چند سال گذشته در سیستم ترابل‌شوتینگ ایفاسرام، و بازخورد اپراتورهای خط تولید که به‌صورت مستقیم با این سیستم کار می‌کنند، به‌عنوان جامعه آماری در نظر گرفته می‌شود. در صورت نیاز، نمونه‌گیری هدفمند از داده‌ها و افراد صورت خواهد گرفت.


توسط خریدار: FatemehYazd

اطلاعات بیشتر:
https://parscoders.com/project/615240/توسعه-سیستم-پشتیبان-تصمیم-برای-اپراتورهای-خط-تولید

t.me/ParscodersCom

شبیه سازی ریاضی در پایتون

#python, #mathematics

سلام وقتتون بخیر  من یک پایان نامه دارم که میخوام در پایتون شبیه سازی کنید همه چیز انجام شده فقط در پایتون شبیه سازی میکنید و می‌فرستید همین 
الگوریتمش رو شبیه سازی میکنید 


توسط خریدار: Khorram

اطلاعات بیشتر:
https://parscoders.com/project/615251/شبیه-سازی-ریاضی-در-پایتون

t.me/ParscodersCom

شبیه سازی ریاضی در پایتون

#python, #mathematics

سلام وقتتون بخیر  من یک پایان نامه دارم که میخوام در پایتون شبیه سازی کنید همه چیز انجام شده فقط در پایتون شبیه سازی میکنید و می‌فرستید همین 
الگوریتمش رو شبیه سازی میکنید 


توسط خریدار: Khorram

اطلاعات بیشتر:
https://parscoders.com/project/615251/شبیه-سازی-ریاضی-در-پایتون

t.me/ParscodersCom