پروژه‌های هوش مصنوعی AI | لنسریفای

هدف: طراحی و پیاده‌سازی یک پلتفرم هوشمند آموزشی ویژه معلمان که با بهره‌گیری از مدل‌های هوش مصنوعی (مانند GPT)، فرآیند تدریس، برنامه‌ریزی درسی، تولید محتوای آموزشی و ارزیابی دانش‌آموزان را تسهیل کند. ۱. ویژگی‌های کلی پروژه ✅ نوع پلتفرم: وب‌اپلیکیشن (قابل اجرا روی دسکتاپ و موبایل) ✅ تکنولوژی پیشنهادی: فرانت‌اند: Next.js (یا React.js) بک‌اند: Laravel (PHP)+Python + Node.js (مدیریت کاربران، اشتراک ها، پرداخت ها و داشبورد) ✅ اتصال به مدل‌های هوش مصنوعی (API OpenAI / مدل‌های فارسی) ✅ پنل مدیریتی: برای کنترل سطح دسترسی کاربران و تنظیمات سیستم ✅ پلن‌های اشتراک: رایگان، استاندارد، محبوب و پیشرفته (با امکانات محدود و پیشرفته) ۲. معماری بک‌اند و فرانت‌اند 🔹 معماری بک‌اند: ✅ Python: پردازش کتاب های درسی، استخراج داده ها و اتصال به هوش مصنوعی ✅ فریم‌ورک: لاراول (PHP) برای مدیریت کاربران، اشتراک‌ها و ذخیره داده‌ها ✅ Node.js برای پردازش درخواست‌های هوش مصنوعی ✅ API Gateway: برای اتصال فرانت‌اند به هوش مصنوعی و پایگاه داده ✅ مدیریت پایگاه داده: ذخیره اطلاعات کاربران، درخواست‌ها، محتواهای تولیدشده و گزارش‌های عملکرد 🔹 معماری فرانت‌اند: ✅ فریم‌ورک: Next.js ✅ UI/UX: طراحی مدرن و واکنش‌گرا (ریسپانسیو) ✅ اتصال به API بک‌اند برای دسترسی به خدمات هوش مصنوعی و مدیریت کاربران ۳. طراحی اختصاصی صفحه اصلی و داشبورد معلم 🔹 صفحه اصلی (Landing Page) ✅ نمایش ویژگی‌های کلیدی پلتفرم ✅ بخش معرفی هوش مصنوعی و مزایای آن برای معلمان ✅ ثبت‌نام و ورود کاربران ✅ توضیح پلن‌های اشتراک و امکانات هر کدام 🔹 داشبورد معلمان ✅ ۳ بخش اصلی: 1️⃣ نوار کناری (Sidebar) → شامل ۱۰ ابزار اصلی 2️⃣ صفحه اصلی داشبورد → نمایش ابزارهای موردنیاز و وضعیت کاربر 3️⃣ پروفایل کاربری → مدیریت اشتراک، اطلاعات فردی، تیکت‌های پشتیبانی ✅ ۱۰ ابزار اصلی در داشبورد: ✔ برنامه‌ریزی درسی هوشمند ✔ تولید محتوای آموزشی (کاربرگ، بازی، داستان) ✔ ابزارهای ارزیابی و آزمون‌ساز هوشمند ✔ مدیریت کلاس و تکالیف ✔ شخصی‌سازی آموزش ✔ ایجاد محتوای چندرسانه‌ای (پاورپوینت، ویدئو، فلش‌کارت) ✔ تعامل با دانش‌آموزان و والدین ✔ تجزیه و تحلیل و گزارش‌دهی ✔ امکانات اجتماعی و انگیزشی ✔ دستیار آموزشی هوش مصنوعی (چت‌بات) 📌 هر ابزار باید قابلیت شخصی‌سازی و تنظیمات جداگانه داشته باشد. ۴. مدیریت و مهندسی پرامپت‌ها برنامه‌نویس باید سیستمی را پیاده‌سازی کند که ادمین سایت بتواند پرامپت‌های مربوط به هر ابزار را به‌صورت داینامیک ویرایش، ذخیره و به‌روزرسانی کند، بدون نیاز به تغییر کدها. نکات فنی 📌 ۱. هر ابزار (Feature) در پلتفرم دارای یک پرامپت اختصاصی است. 📌 ۲. این پرامپت‌ها باید در پایگاه داده ذخیره شوند تا ادمین بتواند آن‌ها را تغییر دهد. 📌 ۳. ادمین باید بتواند از طریق یک پنل مدیریت، پرامپت‌های مربوط به هر ابزار را ویرایش و ذخیره کند. 📌 ۴. زمانی که معلم از یک ابزار استفاده می‌کند، سیستم باید پرامپت مربوطه را از پایگاه داده دریافت کرده و به هوش مصنوعی ارسال کن ۵. امکانات و ابزارهای داشبورد معلم 🔹 کنترل سطح دسترسی به ابزارها بر اساس پلن اشتراک 🔹 محدودیت تعداد درخواست‌ها در پلن‌های پایین‌تر 🔹 نمایش وضعیت اشتراک، تعداد درخواست‌های باقی‌مانده و پیشنهاد ارتقا پلن 🔹 سیستم امتیازدهی و تحلیل رفتار کاربر برای پیشنهاد ابزارهای بهتر 📌 نکات مهم: ✅ طراحی گرافیکی جذاب و حرفه‌ای برای داشبورد ✅ پنل مدیریتی برای مدیریت اشتراک‌ها و کاربران ✅ زیرساخت امن و پایدار برای درخواست‌های هوش مصنوعی ۶. روش‌های درآمدزایی و مدیریت پرداخت‌ها ✅ پلن‌های اشتراک: رایگان: محدودیت ۵۰ درخواست در ماه استاندارد: ۱۰۰۰ درخواست در ماه محبوب: ۵۰۰۰ درخواست در ماه پیشرفته: دسترسی نامحدود + دستیار آموزشی ویژه ✅ ویژگی‌های مدیریت پرداخت: ✔ نمایش اشتراک فعلی و تاریخ انقضا ✔ امکان ارتقا پلن یا تمدید اشتراک ✔ ارائه پیشنهادهای ویژه برای ارتقا 📌 پرداخت‌ها باید از طریق درگاه‌های بانکی داخلی انجام شود. 7. پایگاه داده پلتفرم 📌پایگاه داده پلتفرم باید به‌گونه‌ای طراحی شود که مرجع اصلی آن کتاب‌های درسی بروز ایران باشد و تمامی ابزارهای هوش مصنوعی از این پایگاه داده برای تولید محتوا، آزمون‌سازی و تحلیل آموزشی استفاده کنند 8. نکات مهم برای فریلنسرها و زمان‌بندی پروژه 📌 مدت زمان پروژه: 30 روز 📌 شرایط همکاری: ✅ ارائه نمونه‌کارهای مرتبط ✅ توانایی پیاده‌سازی رابط کاربری حرفه‌ای و روان ✅ آشنایی با هوش مصنوعی و APIهای مرتبط

من رباتی میخوام که بتونه به صورت روزانه داخل سایت گوگل و پلتفرم های b2b و گوگل مپ بگرده و افراد تاجران تامین کنندگان و خریدارارن و کارخانه هایی رو در زمنیه سنگ های لوکس معدنی سیمان کلینکر محصولات فولادی و الومینیوم پیدا بکنه و اطلاعات مانندی شماره تماس واتساپ ایمیل سایت شرکت و یا ادرس ایمیل اون هارو داخل این ایمیلی که میدم ذخیره بکنه اگه بشه با هوش مصنوعیی هم طراحی کرد بهتره اگه ایدهی بهتری هم برای ارتقا این پروژه دارید بهم بگید

سلام! این چیزهایی هست که به صورت کلی هوش مصنوعی گفته از اونجایی که شما در قسمت بازی اطلاعاتی نداری اون قسمت را با هم حرف میزنیم و هر راهنمایی برای سرعت در کار انجام میدم مراحل کلی ساخت بات برای میتیک: 1. درک نیازها و هدف بات قبل از هر چیزی، باید مشخص کنی که باتت قراره چه کاری انجام بده. برای میتیک، ممکنه بخوای باتت کارهایی مثل مدیریت مکانیک‌ها، هماهنگی با تیم، یا اتوماسیون یه سری وظایف خاص (مثل هیل کردن، دی‌پی‌اس زدن، یا جاخالی دادن از AoE) رو انجام بده. میتیک‌ها معمولاً نیاز به دقت بالا و واکنش سریع دارن، پس باتت باید بتونه به تغییرات سریع محیط واکنش نشون بده. 2. انتخاب ابزار و زبان برنامه‌نویسی زبان برنامه‌نویسی: پایتون (Python) به خاطر سادگی و کتابخونه‌های زیادش (مثل PyAutoGUI یا OpenCV) گزینه خوبیه. البته Lua هم معمولاً برای اسکریپت‌نویسی در WoW استفاده می‌شه، چون ادان‌های بازی با این زبان نوشته می‌شن. ابزارها: برای خوندن اطلاعات بازی (مثل موقعیت کاراکتر، مقدار HP، یا زمان‌بندی توانایی‌ها)، نیاز به یه روش برای تعامل با بازی داری. این می‌تونه از طریق: Memory Reading: استفاده از ابزارهایی مثل Cheat Engine برای خوندن حافظه بازی. Pixel Detection: تشخیص رنگ‌ها و الگوهای روی صفحه (مثلاً برای شناسایی AoE). APIهای سرور خصوصی: اگه روی سرور خصوصی کار می‌کنی، ممکنه بتونی از API سرور استفاده کنی. 3. جمع‌آوری اطلاعات از بازی باید بتونی داده‌های مهم رو از بازی بگیری، مثل: موقعیت کاراکترها (خودت و باس). وضعیت بوف‌ها و دی‌باف‌ها. زمان‌بندی توانایی‌ها (Cooldowns). تشخیص مکانیک‌های خاص میتیک (مثلاً انفجارها یا خطوط خطر). برای این کار، می‌تونی از ادان‌هایی مثل WeakAuras یا DBM استفاده کنی و باتت رو طوری تنظیم کنی که اعلان‌های این ادان‌ها رو بخونه. 4. نوشتن منطق بات باتت باید یه سری تصمیم‌گیری خودکار داشته باشه. مثلاً: اگه HP زیر 30% رفت، پotion استفاده کن. اگه باس یه AoE خاص زد، سریع جابه‌جا شو. اگه تانک مرد، یه نفر دیگه رو هدف بگیر و هیل کن. این منطق رو می‌تونی با شرط‌های ساده (if/else) یا حتی الگوریتم‌های پیچیده‌تر (مثل یادگیری ماشین) پیاده‌سازی کنی. 5. اتوماسیون ورودی‌ها برای کنترل کاراکتر، بات باید کیبورد و ماوس رو شبیه‌سازی کنه. توی پایتون، کتابخونه‌هایی مثل pynput یا keyboard برای این کار عالی هستن. مثلاً: فشار دادن کلید "W" برای حرکت رو به جلو یا کلیک روی یه نقطه خاص از صفحه. 6. تست و بهینه‌سازی باتت رو توی محیط‌های ساده (مثل دانجن‌های معمولی) تست کن و کم‌کم برای میتیک بهینه‌اش کن. دقت کن که تاخیر (latency) و عملکرد سیستم روی سرعت واکنش بات تاثیر داره. 7. رعایت قوانین همون‌طور که گفتم، توی سرورهای رسمی بلیزارد، استفاده از بات ممنوعه. اگه می‌خوای فقط برای سرگرمی یا یادگیری این کار رو بکنی، سرورهای خصوصی (مثل AzerothCore یا TrinityCore) رو امتحان کن. این سرورها محیطی برای تست و توسعه دارن. یه مثال ساده با پایتون: فرض کن می‌خوای باتت وقتی HP کاراکترت کم شد، به طور خودکار یه Potion مصرف کنه: python Wrap Copy import pyautogui import time import keyboard # تابع برای چک کردن HP (فرضی - باید با ابزار واقعی جایگزین بشه) def check_hp(): # مثال: فرض می‌کنیم HP رو از رنگ یه نوار روی صفحه تشخیص می‌دیم hp_bar = pyautogui.pixel(100, 100) # مختصات نوار HP if hp_bar[0] < 50: # اگه رنگ قرمز شد return True return False # تابع برای استفاده از Potion def use_potion(): pyautogui.press("1") # فرض می‌کنیم Potion روی کلید 1 ست شده print("Potion استفاده شد!") # حلقه اصلی while True: if check_hp(): use_potion() time.sleep(0.5) # یه تاخیر کوچک برای جلوگیری از فشار روی CPU این فقط یه نمونه ساده‌ست و برای کار واقعی باید مکانیزم تشخیص HP رو با Memory Reading یا ادان‌ها جایگزین کنی. نکات اضافی: منابع: توی فروم‌هایی مثل OwnedCore یا GitHub پروژه‌های آماده برای بات WoW پیدا می‌شه که می‌تونی ازشون ایده بگیری. میتیک‌ها: هر میتیک مکانیک‌های خاص خودش رو داره. پس باتت باید برای هر باس جداگانه تنظیم بشه. اخلاقیات: اگه با تیم بازی می‌کنی، استفاده از بات ممکنه تجربه بقیه رو خراب کنه. بهتره فقط برای تست یا سرگرمی شخصی استفاده کنی.

هدف از این پروژه توسعه یک سیستم توصیه‌گر کتاب است که با تحلیل رفتار کاربر و محتوای کتاب‌ها، پیشنهاداتی دقیق و شخصی‌سازی‌شده ارائه دهد. این سیستم باید بتواند با استفاده از تکنیک‌های یادگیری ماشین و تحلیل داده‌ها، الگوریتمی را توسعه دهد که بتواند بر اساس تاریخچه خواندن کاربر و نظرات دیگر کاربران، کتاب‌های جدید و مناسب را پیشنهاد کند. پروژه شامل مراحل جمع‌آوری داده، پیش‌پردازش، انتخاب ویژگی‌ها، مدل‌سازی، و ارزیابی عملکرد می‌باشد. علاقه‌مندان باید تجربه کار با پایگاه‌داده‌های بزرگ و توانایی پیاده‌سازی الگوریتم‌های یادگیری ماشین را داشته باشند.

زیر نویس فارسی و انگلیسی یک ویدیو دارم که به زبان فارسی و انگلیسی در آن صحبت میشه . میخوام زیرنویس دار بشه . زمانی که انگلیسی صحبت میکنند فارسی زیرنویس بشه و زمانی که فارسی حرف میزنند انگلیسی زیرنویس بشه .

From: Oil Design and Construction Company (ODCC) Date: 2/7/2025 Subject: Proposal for AI-Based Machine Learning System for Refinery Process Optimization Introduction to ODCC Oil Design and Construction Company (ODCC) is a leading EPC contractor in Iran, specializing in refinery construction and petrochemical projects. Established in 1991, ODCC has successfully executed large-scale oil and gas projects, including Crude Distillation Units (CDU), Vacuum Distillation Units (VDU), Naphtha Hydrotreaters (NHT), Diesel Hydrotreaters (DHT), Sulfur Recovery Units (SRU), Fluid Catalytic Cracking (FCC), and Isomerization Units. To improve refining efficiency, product yield, and process optimization, we seek a machine-learning-based solution capable of analyzing complex refinery process data and predicting outcomes based on varying feedstock compositions. Project Scope & Objectives The AI solution should: 1. Process Large-Scale Refinery Data – Analyze historical and real-time data from CDU, VDU, and other process units to identify efficiency improvements. 2. Predict Product Yields – Based on different crude oil types, forecast product output composition (gasoline, diesel, fuel oil, LPG, etc.). 3. Optimize Process Parameters – Adjust operational settings for maximum yield, energy efficiency, and cost reduction. 4. Feedstock Adaptability – Automatically generate refining process predictions when new crude oil blends are introduced. 5. Anomaly Detection & Process Safety – Identify deviations, inefficiencies, or potential failures in refinery operations. 6. Real-Time Simulation & Decision Support – Provide engineers with AI-driven recommendations to enhance operational decisions. Key Challenges & Considerations • Complex Feedstock Variability: ODCC processes various crude oil types with different chemical compositions. • Multi-Unit Process Integration: The AI model must learn from CDU, VDU, NHT, DHT, FCC, SRU, and other refining units. • Real-Time Processing Needs: The system must work with live operational data while also leveraging historical datasets. • Customization & Industrial Compatibility: The software must integrate with ODCC’s existing refinery control systems (DCS, SCADA, and historian databases). Available Data & Resources ODCC has extensive process information, operational records, and crude oil test reports, including: • Crude Oil Assay Data – Composition, density, sulfur content, etc. • Process Operating Conditions – Temperature, pressure, flow rates. • Historical Production Data – Product yields, quality, and refining efficiencies. • Energy Consumption & Catalyst Performance – Key factors in refining economics. We are prepared to provide full access to these datasets to train the AI model effectively. Expected Deliverables We expect the AI company to develop: 1. A refinery process optimization software using machine learning models. 2. User-friendly dashboard for refinery engineers to analyze results. 3. Integration with ODCC’s existing control and data systems. 4. Simulation tool for predicting product outputs and refining performance. 5. Training & Technical Support for ODCC process engineers. Collaboration & Development Approach We seek a collaborative development approach, where your AI specialists work alongside ODCC’s process engineers, control system experts, and refinery operators. The project will follow an iterative testing model, ensuring continuous refinement and accuracy improvement. Next Steps Please provide a detailed proposal, including: • Your technical approach to developing this AI system. • Implementation timeline and project milestones. • Estimated budget and licensing structure. • Case studies of similar projects (if available). We believe this AI-driven refinery optimization system will significantly enhance ODCC’s process efficiency, cost control, and product yield optimization. We look forward to discussing this collaboration in further detail. Best regards,

From: Oil Design and Construction Company (ODCC) Date: 2/7/2025 Subject: Proposal for AI-Based Cost Estimation & Optimization Software for EPC Projects Introduction to ODCC Oil Design and Construction Company (ODCC) is a leading EPC contractor in Iran, specializing in refinery construction, petrochemicals, and hydrocarbon process plant industries. Established in 1991, ODCC has successfully executed world-scale projects, ranging from feasibility studies to turnkey mega-projects. Our extensive experience includes gas processing, oil & gas field development, petroleum refining, petrochemicals, and renewable energy projects. We are recognized as a 1st Grade EPC contractor in Iran and have been awarded multiple national project excellence awards. ODCC has delivered critical infrastructure projects, including the Abadan Refinery Upgrading Project, South Azadegan Oil Field Development, and Esfahan Oil Refinery Upgrading & Petrochemical Project. Given our commitment to cost efficiency and project optimization, we seek an AI-driven cost estimation and control solution to improve forecasting accuracy and cost efficiency in future projects. Project Scope & Objectives We aim to develop a machine-learning-based cost optimization system that will: 1. Leverage Historical Project Data – Analyze cost trends from previous EPC projects to improve future cost estimations. 2. Real-Time Cost Data Integration – Collect and update local (Rial) and international (USD, EUR) prices for materials and services. 3. Local Resource Optimization – Prioritize Iranian suppliers and contractors, given geopolitical constraints and local content requirements. 4. Risk Management & Cost Control – Provide real-time alerts for potential cost overruns, allowing proactive decision-making. 5. Scenario Analysis & Forecasting – Simulate various market conditions, currency fluctuations, and supply chain risks. Key Challenges • Currency Volatility: Managing cost variations between Iranian Rial, USD, and EUR. • Geopolitical & Sanctions Limitations: Ensuring compliance with restrictions while maximizing local procurement. • Data Complexity: Integrating diverse cost elements from procurement records, vendor databases, and historical budgets. • Supply Chain Disruptions: Mitigating risks associated with fluctuating availability of materials and foreign exchange constraints. Expected Deliverables We expect the AI company to provide: 1. A custom-built AI cost estimation and optimization platform. 2. Integration with procurement and financial systems to track real-time cost data. 3. User-friendly dashboards with predictive analytics for cost control. 4. Multi-currency support for cost comparisons and financial planning. 5. Training & Technical Support for ODCC’s project management team. Collaboration & Development Approach We seek a close collaboration between your AI specialists and ODCC’s procurement, engineering, and project management teams. The project will follow an iterative development model, ensuring the final product is fully aligned with ODCC’s operational requirements. Next Steps Please provide a detailed proposal including: • Technical approach for developing this AI solution. • Implementation timeline with key milestones. • Estimated budget and licensing model. • Case studies from similar projects (if available). We believe this collaboration will enhance ODCC’s ability to manage project costs, optimize local resources, and improve financial forecasting. We look forward to discussing this project further. Best regards,

سلام ما یک پیج خدمات مهاجران در اسپانیا داریم که به ایرانی های مقیم اروپا و آمریکا خدمات میدیم ویدیو هایی میخواییم که با کمک هوش مصنوعی ساخته و ادیت و تدوین بشن تا برای آپلود آماده بشن ساخت ویدئو ها به این صورت هست که متن برای ساختن ویدیو تحویل شما داده میشه باید با هوش مصنوعی این متن به ویدیو تبدیل بشه و تصویر خودمون هم روی ویدیو گذاشته بشه

ما به دنبال یک متخصص حرفه‌ای در زمینه یادگیری ماشین هستیم که بتواند سیستمی را طراحی کند تا الگوهای خاص را شناسایی، تطبیق، و به طور خودکار یاد بگیرد. هدف اصلی این پروژه ایجاد مدلی است که: 1. آموزش مدل با الگوهای تعریف‌شده: شما باید سیستمی طراحی کنید که به من امکان بدهد الگوهای مورد نظر خود را به مدل آموزش دهم. 2. شناسایی الگوهای مشابه با حداقل 80 درصد تطابق: مدل باید توانایی شناسایی الگوهایی که با داده‌های آموزشی حداقل 80 درصد تطابق دارند را داشته باشد. 3. یادگیری خودکار الگوهای جدید: مدل باید پس از شناسایی موفقیت‌آمیز، الگوی جدید را به پایگاه داده خود اضافه کرده و در آینده از آن استفاده کند. ارائه یک دمو از سیستم برای بررسی قابلیت‌ها. تضمین دقت مدل در شناسایی الگوها. ارائه کد تمیز و قابل گسترش.

سلام، به یک متخصص با تجربه در هوش مصنوعی و یادگیری ماشین نیاز داریم تا در طراحی و پیاده‌سازی یک سیستم هوشمند کمک کند. این سیستم باید بتواند بر اساس داده‌های ورودی کاربران، تحلیل‌های پیشرفته انجام دهد و پیشنهادات شخصی‌سازی شده ارائه دهد. وظایف مورد انتظار: طراحی و پیاده‌سازی مدل‌های یادگیری ماشین (Machine Learning). کار با داده‌های ساختارمند و غیرساختارمند برای پیش‌بینی و توصیه. استفاده از ابزارهای پیشرفته مثل TensorFlow، PyTorch یا مشابه. توسعه یک سیستم با رابط کاربری ساده برای تعامل با کاربر. ویژگی‌های فرد مورد نظر: تجربه عملی در حوزه هوش مصنوعی و یادگیری ماشین. تسلط به مدیریت داده‌های حجیم و پیش‌پردازش داده‌ها. توانایی کار در محیطی حرفه‌ای و حفظ محرمانگی پروژه. مهارت در کار با APIها و ادغام آن‌ها در پروژه. جزئیات بیشتر: توضیحات کامل پروژه پس از انتخاب فرد مناسب و امضای توافق‌نامه محرمانگی (NDA) ارائه خواهد شد. اطمینان حاصل می‌شود که تمامی اطلاعات به صورت کاملاً محرمانه مدیریت شوند. اگر توانایی‌های مورد نظر را دارید و آماده همکاری در یک پروژه چالش‌برانگیز و نوآورانه هستید، لطفاً رزومه و نمونه‌کارهای خود را ارسال کنید.

هدف این پروژه ساخت ابزاری با هوش مصنوعی برای کمک به مدیر پروژه ها است. این ابزار باید به مدیر پروژه کمک کند تا پروژه خود را در طول اجرا از نظر ۱- زمان و هزینه ۲- تخصیص منابع تحلیل و بهینه سازی کنند. فرض بر این است که این پروژه ها در نرم افزار های MS Project یا Primavera تعریف شده اند. برای این پروژه باید Dataset مورد نیاز شناسایی و اطلاعات لازم بصورت مصنوعی تولید شود. زبان برنامه نویسی پایتون مورد نیاز است.

تمام توضیحات تمرین در فایل پی دی اف موجود است. گزارش در قالب ورد تحویل داده بشه اوکیه.