تحلیل ML روی داده های سری زمانی gait (Python)
- موقعیت مکانی
- تهران
- نوع همکاری
- پروژه
- حقوق
- ۲۰۰۰۰۰۰ تا ۴۵۰۰۰۰۰ تومان
مهارت های موردنیاز
- ماشین لرنینگ
- پایتون
- بیومکانیک
- برنامه نویسی
- کدنویسی
- تحلیل داده
- دیتا ساینس (Data science)
- python
- پردازش سیگنال
- پردازش داده
به یک متخصص Python با تجربه Machine Learning برای همکاری در یک پروژه پژوهشی در حوزه gait analysis نیاز داریم.
دادهها از قبل بررسی شدهاند و ساختار آنها تأیید شده است (شامل position، orientation، شتاب خام، و foot contact در فایلهای خام). حجم داده متوسط است (n=65 برای تحلیل اصلی). کار شامل کل چرخه تحلیل است: از Feature Extraction تا ML Pipeline، XAI، و تحلیل آماری.
توجه مهم: با توجه به حجم متوسط نمونه، استفاده از مدلهای کمپارامتر و feature selection دقیق ضروری است. مدلهای پیچیده با تعداد زیاد ویژگی، بهدلیل خطر overfitting، قابل قبول نیستند.
جزئیات داده و روش، پس از انتخاب و توافق اولیه در اختیار شما قرار میگیرد.
محدوده کار
فریلنسر باید یک pipeline کامل Python توسعه دهد که شامل موارد زیر باشد:
۱. Feature Extraction
• Segmentation چرخه راهرفتن با استفاده از foot contact (یا روش جایگزین در صورت نبود)
• شناسایی و حذف turn point (چون trialها رفت و برگشت هستند)
• استخراج ویژگی از سیگنال خام IMU (time-domain و frequency-domain)
• استخراج ویژگی از کینماتیک مفاصل (دامنه حرکتی، فازهای چرخه، ویژگیهای موجی)
• تجمیع در سطح شرکتکننده (نه stride)
نکته روششناختی: تعداد strideها نباید بهعنوان نمونه مستقل آماری در نظر گرفته شود. تجمیع در سطح فرد الزامی است.
۲. ML Pipeline
• Feature selection داخل fold (نه قبل از split) — با توجه به n=65، فقط ۱۰–۱۵ ویژگی منتخب
• مدلهای کمپارامتر (Logistic Regression با regularization، Random Forest با max_depth محدود، LDA) — نه deep learning
• cross-validation در سطح شرکتکننده (subject-level)، ترجیحاً Repeated GroupKFold
• مقایسه پیکربندیهای ورودی مختلف (ترکیبهای مختلف ویژگیها + سرعت)
• ارزیابی discrimination (AUROC) و calibration (Brier score, calibration slope)
• گزارش عملکرد به تفکیک شرایط مختلف
۳. تحلیل تفسیرپذیری (XAI)
• SHAP برای همه پیکربندیها
• بررسی پایداری تبیین بین شرایط مختلف (Spearman rank correlation)
• Ablation study (حذف خانوادههای ویژگی برای بررسی ارزش افزوده)
۴. تحلیل آماری
• مدلهای mixed-effects برای تعدیل متغیرهای مخدوشکننده (age, sex, BMI)
• Bootstrap در سطح شرکتکننده برای محاسبه CI (نه bootstrap روی strideها)
• کنترل خطای آماری (BH-FDR)
• تحلیل حساسیت (matched subsamples: sex-matched, age-matched, BMI-matched)
• گزارش effect size + 95% CI بههمراه p-value
خروجی مورد انتظار
• کد کامل Python در GitHub repository تحت مالکیت کارفرما (شامل commit history، requirements.txt، README، و مستندات)
• features.csv با ویژگیهای استخراجشده
• نتایج ML در CSV (AUROC، calibration، performance gap)
• شکلهای آماده (ROC curves، calibration plots، SHAP summary)
• گزارش فنی دقیق شامل روش شفاف هر مرحله (چه کردید، چرا، با چه پارامترهایی)
• مستندات کافی برای اجرای مجدد کد
نکته مهم: گزارش باید بهقدری دقیق باشد که بتوان از آن در یک مقاله علمی دفاع کرد. برای هر مرحله، روش، پارامترها، و منطق انتخاب باید مستند شود.
الزامات
ضروری:
• Python (pandas, numpy, scipy, scikit-learn, statsmodels)
• تجربه با دادههای سری زمانی
• تجربه با cross-validation در سطح نمونه (subject-level)
• تجربه با Git و GitHub
• کد قابل تکرار (reproducible)
• تجربه با ML pipeline کامل (نه فقط preprocessing)
• توانایی نوشتن گزارش فنی دقیق با روش شفاف
• آگاهی از محدودیتهای n کوچک و overfitting
مطلوب (امتیاز مثبت):
• تجربه با دادههای IMU یا بیومکانیک
• آشنایی با SHAP یا XAI
• آشنایی با mixed-effects models
• آشنایی با فرمت Xsens MVN
معیارهای انتخاب (فیلتر اولیه)
فقط متقاضیانی بررسی میشوند که:
1. نمونهکار ML روی time-series ارائه دهند (لینک GitHub یا مقاله)
2. در پیشنهاد خود، رویکردشان را برای Feature Extraction توضیح دهند (حداقل ۳–۴ خط)
3. توانایی خود را برای ML Pipeline نشان دهند — مثلاً اشاره به پروژه ML قبلی، یا توضیح رویکرد برای cross-validation و XAI
متقاضیانی که صرفاً پیشنهاد قیمت میدهند (بدون توضیح رویکرد فنی)، بررسی نمیشوند.
لطفاً در پیشنهاد خود بنویسید:
1. نمونهکار ML مرتبط: لینک GitHub یا توضیح پروژههای مشابه (time-series، ML pipeline، signal processing)
2. تجربه: کوتاه درباره تجربهتان با ML و cross-validation در سطح نمونه
3. رویکرد پیشنهادی: بهطور خلاصه (۳–۴ خط) بگویید برای Feature Extraction و ML Pipeline چه میکنید
4. زمانبندی پیشنهادی: کل پروژه چقدر طول میکشد
5. قیمت پیشنهادی
دادهها از قبل بررسی شدهاند و ساختار آنها تأیید شده است (شامل position، orientation، شتاب خام، و foot contact در فایلهای خام). حجم داده متوسط است (n=65 برای تحلیل اصلی). کار شامل کل چرخه تحلیل است: از Feature Extraction تا ML Pipeline، XAI، و تحلیل آماری.
توجه مهم: با توجه به حجم متوسط نمونه، استفاده از مدلهای کمپارامتر و feature selection دقیق ضروری است. مدلهای پیچیده با تعداد زیاد ویژگی، بهدلیل خطر overfitting، قابل قبول نیستند.
جزئیات داده و روش، پس از انتخاب و توافق اولیه در اختیار شما قرار میگیرد.
محدوده کار
فریلنسر باید یک pipeline کامل Python توسعه دهد که شامل موارد زیر باشد:
۱. Feature Extraction
• Segmentation چرخه راهرفتن با استفاده از foot contact (یا روش جایگزین در صورت نبود)
• شناسایی و حذف turn point (چون trialها رفت و برگشت هستند)
• استخراج ویژگی از سیگنال خام IMU (time-domain و frequency-domain)
• استخراج ویژگی از کینماتیک مفاصل (دامنه حرکتی، فازهای چرخه، ویژگیهای موجی)
• تجمیع در سطح شرکتکننده (نه stride)
نکته روششناختی: تعداد strideها نباید بهعنوان نمونه مستقل آماری در نظر گرفته شود. تجمیع در سطح فرد الزامی است.
۲. ML Pipeline
• Feature selection داخل fold (نه قبل از split) — با توجه به n=65، فقط ۱۰–۱۵ ویژگی منتخب
• مدلهای کمپارامتر (Logistic Regression با regularization، Random Forest با max_depth محدود، LDA) — نه deep learning
• cross-validation در سطح شرکتکننده (subject-level)، ترجیحاً Repeated GroupKFold
• مقایسه پیکربندیهای ورودی مختلف (ترکیبهای مختلف ویژگیها + سرعت)
• ارزیابی discrimination (AUROC) و calibration (Brier score, calibration slope)
• گزارش عملکرد به تفکیک شرایط مختلف
۳. تحلیل تفسیرپذیری (XAI)
• SHAP برای همه پیکربندیها
• بررسی پایداری تبیین بین شرایط مختلف (Spearman rank correlation)
• Ablation study (حذف خانوادههای ویژگی برای بررسی ارزش افزوده)
۴. تحلیل آماری
• مدلهای mixed-effects برای تعدیل متغیرهای مخدوشکننده (age, sex, BMI)
• Bootstrap در سطح شرکتکننده برای محاسبه CI (نه bootstrap روی strideها)
• کنترل خطای آماری (BH-FDR)
• تحلیل حساسیت (matched subsamples: sex-matched, age-matched, BMI-matched)
• گزارش effect size + 95% CI بههمراه p-value
خروجی مورد انتظار
• کد کامل Python در GitHub repository تحت مالکیت کارفرما (شامل commit history، requirements.txt، README، و مستندات)
• features.csv با ویژگیهای استخراجشده
• نتایج ML در CSV (AUROC، calibration، performance gap)
• شکلهای آماده (ROC curves، calibration plots، SHAP summary)
• گزارش فنی دقیق شامل روش شفاف هر مرحله (چه کردید، چرا، با چه پارامترهایی)
• مستندات کافی برای اجرای مجدد کد
نکته مهم: گزارش باید بهقدری دقیق باشد که بتوان از آن در یک مقاله علمی دفاع کرد. برای هر مرحله، روش، پارامترها، و منطق انتخاب باید مستند شود.
الزامات
ضروری:
• Python (pandas, numpy, scipy, scikit-learn, statsmodels)
• تجربه با دادههای سری زمانی
• تجربه با cross-validation در سطح نمونه (subject-level)
• تجربه با Git و GitHub
• کد قابل تکرار (reproducible)
• تجربه با ML pipeline کامل (نه فقط preprocessing)
• توانایی نوشتن گزارش فنی دقیق با روش شفاف
• آگاهی از محدودیتهای n کوچک و overfitting
مطلوب (امتیاز مثبت):
• تجربه با دادههای IMU یا بیومکانیک
• آشنایی با SHAP یا XAI
• آشنایی با mixed-effects models
• آشنایی با فرمت Xsens MVN
معیارهای انتخاب (فیلتر اولیه)
فقط متقاضیانی بررسی میشوند که:
1. نمونهکار ML روی time-series ارائه دهند (لینک GitHub یا مقاله)
2. در پیشنهاد خود، رویکردشان را برای Feature Extraction توضیح دهند (حداقل ۳–۴ خط)
3. توانایی خود را برای ML Pipeline نشان دهند — مثلاً اشاره به پروژه ML قبلی، یا توضیح رویکرد برای cross-validation و XAI
متقاضیانی که صرفاً پیشنهاد قیمت میدهند (بدون توضیح رویکرد فنی)، بررسی نمیشوند.
لطفاً در پیشنهاد خود بنویسید:
1. نمونهکار ML مرتبط: لینک GitHub یا توضیح پروژههای مشابه (time-series، ML pipeline، signal processing)
2. تجربه: کوتاه درباره تجربهتان با ML و cross-validation در سطح نمونه
3. رویکرد پیشنهادی: بهطور خلاصه (۳–۴ خط) بگویید برای Feature Extraction و ML Pipeline چه میکنید
4. زمانبندی پیشنهادی: کل پروژه چقدر طول میکشد
5. قیمت پیشنهادی


