عنوان پروژه: ساخت سایت فروشگاهی

توضیحات پروژه:

با سلام،

ما به دنبال یک توسعه‌دهنده حرفه‌ای هستیم تا به ما در ساخت یک سایت فروشگاهی برای مغازه مبلمان‌مان کمک کند. هدف ما ایجاد یک وب‌سایت با ویژگی‌های زیر است:

• طراحی جذاب و کاربرپسند: طراحی سایت باید مطابق با استانداردهای روز باشد و تجربه کاربری مناسبی را فراهم کند.
• سرعت بالا: وب‌سایت باید به گونه‌ای طراحی شود که بارگذاری آن سریع باشد و مشتریان تجربه مطلوبی داشته باشند.
• درگاه پرداخت: سایت باید به درگاه پرداخت آنلاین مجهز باشد تا مشتریان بتوانند به راحتی خریدهای خود را انجام دهند.

توجه داشته باشید که ما به توسعه‌دهنده‌ای که در شیراز مستقر باشد، بیشتر تمایل داریم تا بتوانیم به صورت حضوری نیز اطلاعات و نیازهای پروژه را تبادل کنیم.

سایت‌های الگو برای ما عبارتند از: rost.ir و hsh1.ir. لذا خواهشمندیم تنها افرادی که تجربه ساخت سایت‌های فروشگاهی مشابه را دارند، پیشنهادات خود را ارسال کنند.

دسته‌بندی پروژه: توسعه نرم‌افزار و آی‌تی

اگر شما توانایی و تجربیات لازم را در این زمینه دارید، لطفاً رزومه و نمونه کارهای قبلی‌تان را برای ما ارسال کنید.

با تشکر!

🎯 هدف پروژه نصب، کانفیگ و تحویل یک Mattermost آماده استفاده تیمی با قابلیت‌های ارتباطی، تسک منیجمنت، اتوماسیون و اینتگریشن — به‌گونه‌ای که تمام موارد زیر واقعاً کار کنند، نه صرفاً نصب شده باشند.

🧱 Scope پروژه (موارد درخواستی) 1️⃣ SSL DoD

Mattermost با HTTPS در دسترس باشد گواهی SSL معتبر (Let’s Encrypt یا معادل) تست با: https بدون warning renew خودکار فعال 2️⃣ تماس تصویری + Screen Share داخل Mattermost DoD

تماس صوتی و تصویری مستقیم داخل Mattermost Screen Share فعال حداقل تست: 2 کاربر همزمان صدا + تصویر + اشتراک صفحه بدون ابزار جانبی (مثلاً از طریق Jitsi / Calls Plugin / Solution مناسب نسخه)

3️⃣ Plugin System DoD

Plugin system فعال باشد نصب / فعال / غیرفعال کردن Plugin بدون ارور حداقل 2 پلاگین نصب و تست‌شده 4️⃣ Task / Todo Plugin DoD

Plugin تسک اضافه شود قابلیت: تعریف Task Assign به یوزر Tick / Complete توسط اعضا تست با یک تیم واقعی 5️⃣ Multiple Workspaces DoD

امکان تعریف چند Workspace (Team) یوزرها فقط به Workspace مجاز خود دسترسی داشته باشند عدم دسترسی Cross-Team تأیید شود 6️⃣ Bot و Welcome / Automation Messages DoD

تعریف Bot ارسال پیام: خوش‌آمدگویی پیام خودکار در event ها (join، invite، …) پیام‌ها قابل ویرایش + تست‌شده 7️⃣ اتصال به Trello (دوطرفه) DoD

اتصال Mattermost ↔ Trello موارد زیر در Mattermost قابل مشاهده باشد: Task ها Update ها Status changes لینک هر پیام به کارت Trello مشخص باشد 8️⃣ Mattermost Boards (در صورت پشتیبانی Team Edition) DoD

Boards نصب و فعال شود (در صورت امکان روی Team Edition) ساخت Board ساخت Task / Column تست عملی با یک Board واقعی اگر در Team Edition محدودیت دارد:

اجراکار باید شفاف اعلام کند یا جایگزین ارائه دهد 9️⃣ Notifications (In-App + Email) DoD

Notification داخل اپ Email Notification فعال تست: Mention Task assigned Invite 🔟 Auth / Forgot Password / Invitation DoD

Forgot Password از طریق ایمیل Registration / Invitation با ایمیل Email ها واقعاً ارسال شوند (نه فقط تنظیم) 1️⃣1️⃣ Workspace Restriction برای Users جدید DoD

یوزر جدید: فقط به Workspace ای که Invite شده دسترسی داشته باشد به‌صورت پیش‌فرض All-access نداشته باشد تست با 2 Workspace 1️⃣2️⃣ Conditional Automated Messages DoD

تعریف پیام خودکار بر اساس شرط: Event-based Time-based یا Action-based حداقل 2 سناریوی تست‌شده ✅ Definition of Done (نهایی پروژه) پروژه تحویل حساب نمی‌شود مگر اینکه:

✅ تمام موارد بالا Live تست شده باشند ✅ دسترسی ادمین تحویل داده شود ✅ یک مستند خیلی کوتاه شامل: سرویس‌ها پلاگین‌ها نحوه مدیریت Bot و Automation 💰 Payment Rule (خیلی مهم) پرداخت فقط بعد از تأیید DoD نصب بدون تست = تحویل حساب نمی‌شود هر آیتم fail شود → پرداخت متوقف 📦 Deliverables نهایی Mattermost Production-ready SSL فعال Plugins فعال Bots + Automation Trello Integration Boards (در صورت امکان) Notification + Email OK دسترسی ادمین

پروژه: ساخت ورک‌فلو n8n برای تشخیص جهش قیمت و حجم کریپتو

توضیح پروژه

ما قصد داریم یک سیستم خودکار برای بررسی بازار کریپتو بسازیم که بتواند جهش قیمت و حجم را با استفاده از منطق محاسباتی اختصاصی تشخیص بدهد.

در هر اسکن اولیه، حدود ۱۰۰۰ کوین بررسی می‌شوند، اما:

• با فیلترها، هر ساعت حدود ۳۰ کوین
• و در مجموع روزانه حدود ۲۰۰ تا ۲۵۰ کوین بررسی جدی می‌شوند.

سیستم با n8n ساخته می‌شود و محاسبات اصلی داخل Code Node با Python انجام می‌گردد. داده‌ها از API شخصی و API صرافی‌ها گرفته می‌شوند.

• فاز ۱: ترید دمو (Paper Trading)
• فاز ۲: اتصال به ترید واقعی در صرافی

وظایف اصلی

1. گرفتن دیتا از چند منبع

• دریافت قیمت و حجم از:
• ✅ API شخصی
• ✅ API صرافی‌ها (مثل Binance، OKX، Bybit و …)
• داده‌ها شامل:
• قیمت
• حجم
• High و Low ۲۴ ساعته
• زمان (timestamp)
• مدیریت محدودیت درخواست (rate limit)

2. ادغام و تمیزکاری دیتا

• ترکیب دیتاهای مختلف برای هر کوین
• حذف داده‌های خراب، صفر یا ناقص
• آماده‌سازی دیتا برای محاسبه

3. محاسبات با Python داخل n8n

الزامی:

• تمام محاسبات باید داخل Code Node با Python انجام شود
• استفاده از کتابخانه‌هایی مثل NumPy یا Pandas آزاد است

هدف محاسبات:

• تشخیص جهش قیمت
• تشخیص جهش حجم
• محاسبه امتیاز مومنتوم یا Jump Score (منطق توسط ما داده می‌شود)

کد باید:

• تمیز و قابل فهم باشد
• خطاهایی مثل تقسیم بر صفر را مدیریت کند
• برای تعداد زیاد کوین بهینه باشد

4. عملکرد و مقیاس

• فلو باید:
• با لیست اولیه ~۱۰۰۰ کوین کار کند
• هر ساعت اجرا شود
• پایدار و بدون کرش باشد
• تجربه در مدیریت loop، batch و حجم دیتا مهم است

5. ترید دمو (فاز اول)

• پیاده‌سازی خرید و فروش فرضی
• ثبت معاملات
• محاسبه سود و ضرر
• بدون ارسال سفارش واقعی

6. اتصال به ترید واقعی (فاز دوم)

بعد از تأیید فاز دمو:

• اتصال مستقیم به API صرافی
• ارسال سفارش واقعی
• مدیریت خطاها و وضعیت سفارش‌ها

(این مرحله بعداً اجرا می‌شود)

7. دیتابیس

• ذخیره:
• دیتاهای بازار
• نتایج محاسبات
• معاملات دمو و واقعی
• توانایی کار با دیتای نسبتاً حجیم لازم است

8. نمودار و مانیتورینگ

• نمایش نمودار داخل خود n8n:
• قیمت
• حجم
• سیگنال‌ها
• صرفاً برای بررسی و مانیتورینگ سیستم

مهارت‌های مورد نیاز

✅ تسلط به n8n ✅ Python (خصوصاً برای پردازش دیتا) ✅ آشنایی با API صرافی‌های کریپتو ✅ دیتابیس (در حد کاربردی) ✅ توانایی کار با داده‌های زیاد

امتیاز مثبت (اختیاری)

• تجربه ساخت ربات ترید
• آشنایی با مومنتوم یا سیستم‌های معاملاتی
• تجربه رسم نمودار (Plotly و مشابه)

خروجی‌های مورد انتظار

1. ورک‌فلو کامل n8n
2. کدهای Python داخل Code Node
3. سیستم ترید دمو
4. ساختار دیتابیس
5. توضیح کوتاه نحوه کار سیستم
6. نمودارها داخل فلو

نوع پروژه

• قیمت ثابت
• تحویل مرحله‌ای:
• ✅ فاز ۱: تشخیص سیگنال + ترید دمو
• ✅ فاز ۲: اتصال به ترید واقعی

برای درخواست همکاری

لطفاً ارسال کنید:

1. نمونه پروژه n8n
2. نمونه کد Python
3. تجربه کار با API صرافی‌ها
4. تأیید اینکه با حجم دیتای بالا مشکلی ندارید

درود بر شما دوستان عزیز

با توجه به اینکه متن Business Plan اصلی انگلیسی هست، نوشته پیش رو استخراجی حداقلی از آن بوده و خواهش بنده است هست که پس از بررسی موارد زیر، پیشنهاد خود را ارائه بدید در ضمن، مسوول آماده سازی محتوا رو بنده در نظر بگیرید. خلاصه اجرایی

اپلیکیشن آموزش زبان انگلیسی SpeakAI با هدف ساده‌سازی فرآیند یادگیری زبان انگلیسی برای افرادی طراحی شده است که به دلیل برنامه‌های بسیار فشرده، امکان شرکت منظم در کلاس‌های حضوری یا آنلاین را ندارند. این هدف از طریق ترکیبی هدفمند از محتوای آموزشی آفلاین، پشتیبانی آنلاین مبتنی بر هوش مصنوعی و کلاس‌های آنلاین متناسب‌سازی‌شده برای کاربران محقق می‌شود.

اهداف

ارائه دوره‌ها با سرعت‌های یادگیری متنوع که توسط زبان‌آموزان انتخاب می‌شود

شخصی‌سازی محتوای مسیر یادگیری بر اساس نیازهای هر زبان‌آموز

بهره‌گیری از هوش مصنوعی در جنبه‌های مختلف فرآیند یادگیری

اصلاح و بهبود فرآیند یادگیری با کمک مدرسین

تمرکز اصلی بر تقویت مهارت مکالمه

ارتقای توانایی زبان‌آموزان در حوزه‌ای که بیشترین نیاز را به آن دارند

ادغام سایر مهارت‌ها در تمرین‌های مکالمه

توسعه مهارت‌های دیگر علاوه بر مهارت گفتاری

عنوان پروژه: طراحی و پیاده‌سازی الگوریتم طبقه‌بندی داده قابل استقرار بر روی میکروکنترلرATmega328p

شرح پروژه

هدف پروژه، توسعه و پیاده‌سازی یک الگوریتم طبقه‌بندی داده (Data Classification) با دقت بیش از ۹۵ درصد و قابلیت اجرا به‌صورت کامل بر روی یک میکروکنترلر با منابع محدود است. دیتاست شامل دو کلاس هدف A و B است. مدل نهایی باید پس از train شدن، به کد C/C++ بهینه‌سازی‌شده تبدیل شود تا در محیط محدود RAM و Flash قابل اجرا باشد.

پردازنده پیش‌فرض، ATmega328p است. در صورتی که به‌منظور دستیابی به عملکرد بهتر، نیاز به استفاده از یک میکروکنترلر جایگزین (مانند STM32 یا ESP32) تشخیص داده شود، پیشنهاد فنی قابل بررسی است؛ با این حال بهینه‌بودن هزینه سخت‌افزار شرط اصلی انتخاب است.

دامنه وظایف مورد انتظار:

۱. تحلیل فنی دیتاست و انتخاب مدل مناسب

بررسی ویژگی‌ها، توزیع داده و کیفیت نمونه‌ها

انتخاب الگوریتم سازگار با محدودیت‌های محاسباتی و حافظه

ارائه ارزیابی اولیه شامل معیارهای عملکرد

۲. آموزش مدل با دقت بالاتر از ۹۵٪

استفاده از مدل‌های سبک قابل پیاده‌سازی روی MCU

ارائه گزارش نهایی شامل Accuracy، Confusion Matrix و متریک‌های مکمل

۳. بهینه‌سازی مدل جهت اجرا بر روی میکروکنترلر

تبدیل وزن‌ها و محاسبات مدل به فرمت fixed-point یا integer

کاهش پیچیدگی محاسباتی

کاهش مصرف RAM و Flash تا حد امکان

حذف وابستگی به عملیات Floating-Point

۴. پیاده‌سازی کامل در قالب کد C/C++ تولید پیاده‌سازی نهایی قابل اجرای مستقیم روی ATmega328p یا MCU جایگزین

اجتناب از کتابخانه‌های سنگین

تضمین پایداری، سرعت و قابلیت تست میدانی

۵. تحویل مستندات و خروجی‌ها

کد کامل C/C++

فایل مدل آموزش‌دیده

مستندات شامل نحوه استقرار، تست و Requirements سخت‌افزاری

(در صورت نیاز) ارائه پیشنهاد رسمی برای میکروکنترلر جایگزین همراه با توجیه فنی و اقتصادی

مهارت‌ها و تخصص‌های مورد نیاز

تسلط بر Machine Learning سبک و TinyML

تخصص در برنامه‌نویسی Embedded C/C++

تجربه کار با ATmega328p، ESP32، STM32 یا میکروکنترلرهای مشابه

تجربه پیاده‌سازی مدل‌های ML در قالب Fixed-Point

توانایی Optimize حافظه، زمان اجرا و بار پردازشی

اطلاعات مورد انتظار در پیشنهاد :

معرفی سوابق و پروژه‌های مشابه

انتخاب مدل پیشنهادی و توجیه فنی

پیشنهاد نهایی برای MCU (در صورت نیاز)

جدول زمان‌بندی اجرای مراحل

هزینه کل اجرای پروژه

شرح روش انجام کار (Implementation Plan)

هدف کلان پروژه: توسعه یک سیستم طبقه‌بندی دقیق، پایدار، کم‌هزینه و سازگار با محدودیت‌های سخت‌افزاری میکروکنترلرهای سبک.