سروش ستوده

- ایجاد سیستم اجرای معاملات کریپتو برای خودکارسازی ثبت سفارشات.
سیستمی با استفاده از PostgreSQL برای ذخیره‌سازی داده‌ها، Celery برای مدیریت وظایف، Redis برای کشینگ و Django REST Framework (DRF) برای ایجاد APIها پیاده‌سازی کردم تا ردیابی و اجرای سفارشات به‌طور مؤثر انجام شود. این ابتکار هزینه‌های معاملاتی را به نزدیک صفر کاهش داد و با استفاده از سفارشات "make"، توانستیم از اسپردها استفاده کنیم..

- توسعه داشبوردهای تعاملی برای تجسم ریسک‌ها و سودهای سرمایه‌گذاری.
با استفاده از Dash و Plotly به همراه Django ORM، داده‌ها را به‌طور مؤثر بازیابی و تجسم کردم و داشبوردهای تعاملی برای نمایش ریسک‌ها و سودهای سرمایه‌گذاری توسعه دادم. این بهبود، بینش‌های realtime را فراهم کرد که به‌طور قابل‌توجهی تصمیم‌گیری برای ذینفعان را بهبود بخشید.

- توسعه یک موتور شبیه‌سازی برای آزمایش استراتژی‌های سرمایه‌گذاری بر اساس داده‌های گذشته.
یک برنامه Django را برای ارزیابی استراتژی‌های مختلف سرمایه‌گذاری برای داده‌های تاریخی ایجاد کردم و یک موتور شبیه‌سازی برای آزمایش اثربخشی آن‌ها بر اساس عملکرد گذشته توسعه دادم. این برنامه بینش‌های ارزشمندی را فراهم کرد که منجر به بهبود استراتژی‌های سرمایه‌گذاری شد.

از الگوریتم‌های یادگیری تقویتی مانند A2C و PPO برای آموزش مدل بازارسازی بر روی داده‌های تاریخی استفاده کردم و بر کنترل موجودی و کاهش ریسک تمرکز داشتم. این تلاش منجر به توسعه یک استراتژی سودآور شد؛ با این حال، به دلیل حجم ناکافی معاملات در بازار هدف، نتوانست به مقیاس بزرگ‌تری دست یابد.

مدل‌های یادگیری تقویتی را با استفاده از بهینه‌سازی سیاست مونت کارلو برای حل مسائل مسیریابی مانند مسئله فروشنده دوره‌گرد (TSP)، مسئله مسیریابی وسایل نقلیه (VRP)، مسئله VRP با ظرفیت محدود (CVRP)، مسائل بهینه‌سازی تصادفی و بهینه‌سازی انتخاب هتل توسعه دادم.

محیط‌هایی برای توسعه مدل های یادگیری تقویتی بر اساس استانداردهای Gym ایجاد کردم تا فرآیند آموزش و ارزیابی این مدل‌ها تسهیل شود.