عنوان پروژه: بهینه‌سازی و رفع اشکال یک مدل LSTM Autoencoder برای تحلیل داده‌های مالی و تطابق الگوها --- توضیحات پروژه: هدف از این پروژه، تکمیل، رفع اشکال و بهینه‌سازی یک کد Python است که برای تحلیل داده‌های مالی و تطابق الگوها طراحی شده است. در این پروژه از مدل LSTM Autoencoder استفاده می‌شود که داده‌ها را از پایگاه داده SQLite دریافت کرده و الگوهای مشابه را پیدا می‌کند. کاربر نیاز دارد که این کد به درستی کار کند، باگ‌های موجود رفع شود و قابلیت‌های جدید اضافه گردد. --- وظایف و مسئولیت‌ها: 1. رفع اشکالات موجود: بررسی مشکل مربوط به تطابق داده‌های الگو (Query) با داده‌های اصلی (Main). رفع خطای مربوط به ابعاد داده‌ها هنگام بازخوانی از پایگاه داده SQLite. اطمینان از ذخیره‌سازی و بازخوانی صحیح داده‌ها در پایگاه داده. 2. بهبود و بهینه‌سازی کد: بهینه‌سازی کد برای افزایش کارایی مدل LSTM Autoencoder. اصلاح و بهبود توابع مربوط به بازخوانی و ذخیره‌سازی داده‌ها. اطمینان از کارکرد صحیح نرمال‌سازی داده‌های ورودی و تبدیل آن‌ها به ویندوزها. 3. افزودن قابلیت‌ها: امکان بررسی الگوهای ذخیره‌شده در پایگاه داده ویندوزهای نرمال‌شده (windows_db.sqlite n) با پایگاه داده اصلی (windows_db.sqlite). افزودن امکان مدیریت بهتر پایگاه داده، از جمله حذف یا به‌روزرسانی داده‌های ذخیره‌شده. ایجاد سیستم گزارش‌دهی که فاصله (Distance) بین الگوهای مشابه را به صورت تصویری نمایش دهد. 4. دیباگ و تست نهایی: اجرای چندین تست روی پایگاه داده‌های واقعی و اطمینان از صحت عملکرد مدل. بررسی سازگاری کد با داده‌های جدید و گزارش مشکلات احتمالی. --- مهارت‌های مورد نیاز: تسلط کامل به Python و کتابخانه‌های مرتبط با یادگیری عمیق مانند PyTorch. تجربه در طراحی و بهینه‌سازی مدل‌های LSTM و Autoencoder. آشنایی با پایگاه داده‌های SQLite و نحوه مدیریت داده‌های باینری. توانایی کار با کتابخانه‌های مصورسازی داده مانند Plotly. مهارت در دیباگ و رفع اشکال کدهای پیچیده. تجربه در تحلیل داده‌های مالی و ساختارهای مشابه. --- پایگاه داده‌ها و منابع موجود: 1. پایگاه داده اصلی: /content/windows_db.sqlite شامل ویندوزهای نرمال‌شده از داده‌های مالی خام. 2. پایگاه داده الگو: /content/windows_db.sqlite n شامل ویندوزهای نرمال‌شده از داده‌های الگو. 3. کد فعلی پروژه: کدی که شامل معماری مدل LSTM Autoencoder، توابع مربوط به مدیریت داده‌ها، و سیستم جستجوی الگوهای مشابه است. --- انتظارات خروجی پروژه: 1. کدی که بدون خطا اجرا شده و تمام قابلیت‌های مورد نظر را به درستی پیاده‌سازی کند. 2. مستندات فنی درباره تغییرات انجام‌شده و نحوه استفاده از کد. 3. نمودارهای بصری برای نمایش الگوهای تطبیق‌یافته و تفاوت‌ها. 4. گزارش کامل از تست‌ها و عملکرد مدل روی داده‌های واقعی. 5. خروجی گرفتن از مناسب از مدل شامل تمامی جزئیات --- بودجه و زمان‌بندی: بودجه: قابل مذاکره (لطفاً پیشنهاد خود را ارسال کنید). زمان‌بندی: حداکثر 2 هفته برای تکمیل پروژه. --- نحوه همکاری: ارسال گزارش روزانه از پیشرفت کار. --- مدارک لازم برای بررسی: لطفاً نمونه‌کارهای مرتبط با پروژه‌های مشابه، به همراه رزومه خود را ارسال کنید. با تشکر از توجه شما!