Senior Full-Stack Developer | Social Media & SEO Team Lead

من محمد موسوی هستم

در کنار توسعه نرم‌افزار، تجربه‌ی قابل توجهی در ترید و بازارهای مالی دارم و همین موضوع باعث شده بتوانم سیستم‌هایی طراحی کنم که مبتنی بر تحلیل داده، الگوریتم‌های معاملاتی و رفتارشناسی بازار عمل کنند. همچنین در حوزه Blockchain Development فعالیت دارم و با مفاهیمی مانند Smart Contracts، Web3 Integration و طراحی ساختارهای غیرمتمرکز آشنا هستم.

Full‑Stack Development AI‑driven development LLMs Computer Vision MLOps PHP JavaScript TypeScript Node.js React Next.js Blockchain Development Smart Contracts Web3 Integration HTML CSS JavaScript TypeScript Python Ruby Java C# Go SQL MongoDB PostgreSQL MySQL Next.js Vue.js Angular Express.js Laravel NestJS

Aria Rad AI Engineer

کشف دنیای من

تلفیق داده‌ها و هنر

از سال 1389 مشغل به برنامه نویسی و توسعه هستم در حوضه وب , سئو , شبکه مجازی در 7 سال گذشته در مارکتینگم فعالیت داشتم طراحی 108 سایت در مشاغل مختلف و سئو کلامات کلیدی مشاغل سنگین همانند گردشگری و تعمیرات یخچال و موبایل برنامه نویسی چدین قالب و افزونه وردپرسی و وکامرسی برنامه نویسی چندین اپلیکیشن اندرویدی فعالیت در شرکت های بین الملی خارج از ایران همانند پدینی و سوارسکی به پوزیشن برنامه نویس مدیر مارکتینگ و مشاور مارکتینگ شرکت های بزرگ در کارنامه کاری من موجود می باشد.

ابزارهای کلیدی

PyTorch TensorFlow Python LangChain Docker FastAPI

۴۰+

پروژه

۵+

سال تجربه

مسیر آکادمیک

کارشناس فناوری اطلاعات

Ust

کار پژوهشی: برنامه نویسی یک نرم افزار حسابداری مثل هلو

محتوی تبلیغاتی

Yektanet | یکتانت

محتوای تبلیغاتی شامل پیام‌ها و آگهی‌هایی است که با هدف جذب مخاطب و معرفی محصول، خدمت یا ایده‌ای طراحی و منتشر می‌شوند. شخصی که ئر حوضه مارکتینگ فعالیت دارد باید این اصول بلد باشد برای همین این وره دیدم.

دوره های که که در سایت های معتبر خارجی دیدم

Hubspot-Google- Microsoft-CompTIA

با گذراندن دوره‌های HubSpot، Google، Microsoft و CompTIA، در مسیر توسعه مهارت‌های تخصصی در حوزه‌های بازاریابی دیجیتال، تحلیل داده، فناوری اطلاعات و شبکه‌های کامپیوتری گام برداشته‌ام. این آموزش‌ها به من کمک کرده‌اند تا دانش کاربردی، دید حرفه‌ای و توانایی اجرای مؤثرتر پروژه‌ها را در محیط‌های کاری مدرن تقویت کنم.

تهران، ایران
شمیرانات

۲۰+

توسعه‌دهنده کسب‌وکار

١٠٨+

پروژه برنامه نویسی

LIVE INFERENCE
Model: YOLOv8-Nano
vehicle 0.84
cup 0.91
vehicle 0.92

برنامه نویسی بلاک چین

Blockchain Developer

CLI development
[01:12:47] Epoch 33/50 - Loss: 0.3897 - Accuracy: 0.99
[01:12:49] Epoch 34/50 - Loss: 0.2919 - Accuracy: 0.99
[01:12:50] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:12:51] Epoch 35/50 - Loss: 0.2199 - Accuracy: 0.99
[01:12:52] [INFO] Running validation step...
[01:12:53] [INFO] Loading dataset 'banking-conversations-v2'...
[01:12:54] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:12:55] Epoch 36/50 - Loss: 0.2164 - Accuracy: 0.99
[01:12:55] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:12:57] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:12:58] Epoch 37/50 - Loss: 0.1262 - Accuracy: 0.99
[01:12:58] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:00] Epoch 38/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:00] [INFO] Running validation step...
[01:13:02] Epoch 39/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:02] [INFO] Initializing distributed training across 4 GPUs...
[01:13:04] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:04] Epoch 40/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:05] [INFO] Garbage collection freed 1.2GB of memory.
[01:13:06] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:07] Epoch 41/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:08] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:13:08] Epoch 42/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:10] Epoch 43/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:10] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:13:11] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:13:12] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:13] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:14] Epoch 2/50 - Loss: 2.4694 - Accuracy: 0.42
[01:13:15] [INFO] Loading dataset 'banking-conversations-v2'...
[01:13:16] Epoch 3/50 - Loss: 2.4270 - Accuracy: 0.44
[01:13:17] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:19] Epoch 4/50 - Loss: 2.2779 - Accuracy: 0.45
[01:13:19] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:20] Epoch 5/50 - Loss: 2.2560 - Accuracy: 0.45
[01:13:21] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:22] Epoch 6/50 - Loss: 2.2211 - Accuracy: 0.46
[01:13:22] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:23] Epoch 7/50 - Loss: 2.0745 - Accuracy: 0.49
[01:13:24] Epoch 8/50 - Loss: 1.9879 - Accuracy: 0.53
[01:13:25] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:13:26] [INFO] Running validation step...
[01:13:26] Epoch 9/50 - Loss: 1.8387 - Accuracy: 0.57
[01:13:27] [INFO] Initializing distributed training across 4 GPUs...
[01:13:28] [INFO] Running validation step...
[01:13:29] [INFO] Running validation step...
[01:13:29] Epoch 10/50 - Loss: 1.7025 - Accuracy: 0.61
[01:13:30] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:13:32] Epoch 11/50 - Loss: 1.6099 - Accuracy: 0.64
[01:13:32] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:13:33] Epoch 12/50 - Loss: 1.5312 - Accuracy: 0.65
[01:13:34] Epoch 2/50 - Loss: 2.4285 - Accuracy: 0.43
[01:13:35] [INFO] Initializing distributed training across 4 GPUs...
[01:13:35] [INFO] Running validation step...
[01:13:37] Epoch 3/50 - Loss: 2.3220 - Accuracy: 0.46
[01:13:37] Epoch 13/50 - Loss: 1.4955 - Accuracy: 0.65
[01:13:38] [INFO] Initializing distributed training across 4 GPUs...
[01:13:39] Epoch 14/50 - Loss: 1.4407 - Accuracy: 0.65
[01:13:40] Epoch 4/50 - Loss: 2.2552 - Accuracy: 0.50
[01:13:40] Epoch 15/50 - Loss: 1.4209 - Accuracy: 0.66
[01:13:42] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:13:42] Epoch 16/50 - Loss: 1.3548 - Accuracy: 0.68
[01:13:44] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:13:45] [INFO] Initializing distributed training across 4 GPUs...
[01:13:45] [INFO] Garbage collection freed 1.2GB of memory.
[01:13:46] [INFO] Running validation step...
[01:13:47] Epoch 17/50 - Loss: 1.3512 - Accuracy: 0.71
[01:13:48] [INFO] Running validation step...
[01:13:48] Epoch 18/50 - Loss: 1.3180 - Accuracy: 0.76
[01:13:50] Epoch 5/50 - Loss: 2.1316 - Accuracy: 0.52
[01:13:50] Epoch 19/50 - Loss: 1.2337 - Accuracy: 0.78
[01:13:52] Epoch 6/50 - Loss: 2.1187 - Accuracy: 0.56
[01:13:53] Epoch 20/50 - Loss: 1.0849 - Accuracy: 0.80
[01:13:53] Epoch 7/50 - Loss: 2.0365 - Accuracy: 0.57
[01:13:55] [INFO] Loading dataset 'banking-conversations-v2'...
[01:13:55] Epoch 21/50 - Loss: 1.0470 - Accuracy: 0.82
[01:13:56] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:13:56] Epoch 8/50 - Loss: 1.9370 - Accuracy: 0.62
[01:13:58] Epoch 22/50 - Loss: 0.9740 - Accuracy: 0.84
[01:13:59] Epoch 9/50 - Loss: 1.8566 - Accuracy: 0.66
[01:14:00] Epoch 10/50 - Loss: 1.8458 - Accuracy: 0.71
[01:14:00] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:14:01] Epoch 11/50 - Loss: 1.7259 - Accuracy: 0.73
[01:14:02] [INFO] Running validation step...
[01:14:02] Epoch 12/50 - Loss: 1.6758 - Accuracy: 0.74
[01:14:03] Epoch 13/50 - Loss: 1.6064 - Accuracy: 0.76
[01:14:03] Epoch 23/50 - Loss: 0.8947 - Accuracy: 0.87
[01:14:05] Epoch 24/50 - Loss: 0.7626 - Accuracy: 0.88
[01:14:05] [INFO] Initializing distributed training across 4 GPUs...
[01:14:07] Epoch 25/50 - Loss: 0.7176 - Accuracy: 0.89
[01:14:07] [INFO] Garbage collection freed 1.2GB of memory.
[01:14:08] Epoch 26/50 - Loss: 0.6707 - Accuracy: 0.92
[01:14:09] Epoch 14/50 - Loss: 1.5344 - Accuracy: 0.77
[01:14:10] Epoch 27/50 - Loss: 0.5973 - Accuracy: 0.93
[01:14:11] Epoch 28/50 - Loss: 0.5047 - Accuracy: 0.96
[01:14:11] [INFO] Garbage collection freed 1.2GB of memory.
[01:14:12] Epoch 29/50 - Loss: 0.4328 - Accuracy: 0.99
[01:14:13] Epoch 15/50 - Loss: 1.4372 - Accuracy: 0.78
[01:14:14] Epoch 30/50 - Loss: 0.4312 - Accuracy: 0.99
[01:14:14] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:14:15] Epoch 31/50 - Loss: 0.3048 - Accuracy: 0.99
[01:14:16] Epoch 16/50 - Loss: 1.4003 - Accuracy: 0.82
[01:14:16] Epoch 32/50 - Loss: 0.2017 - Accuracy: 0.99
[01:14:18] Epoch 17/50 - Loss: 1.3978 - Accuracy: 0.87
[01:14:18] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:14:20] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:14:20] Epoch 33/50 - Loss: 0.1480 - Accuracy: 0.99
[01:14:21] [INFO] Loading dataset 'banking-conversations-v2'...
[01:14:22] Epoch 18/50 - Loss: 1.3624 - Accuracy: 0.88
[01:14:23] Epoch 34/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:24] Epoch 19/50 - Loss: 1.2724 - Accuracy: 0.91
[01:14:24] Epoch 35/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:26] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:14:27] Epoch 36/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:27] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:14:28] Epoch 37/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:29] [INFO] Loading dataset 'banking-conversations-v2'...
[01:14:29] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:14:31] [INFO] Initializing distributed training across 4 GPUs...
[01:14:31] Epoch 38/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:33] Epoch 20/50 - Loss: 1.1780 - Accuracy: 0.95
[01:14:33] Epoch 39/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:34] Epoch 40/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:35] Epoch 21/50 - Loss: 1.1414 - Accuracy: 0.99
[01:14:36] Epoch 41/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:37] Epoch 22/50 - Loss: 1.1357 - Accuracy: 0.99
[01:14:37] Epoch 42/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:39] Epoch 23/50 - Loss: 1.0920 - Accuracy: 0.99
[01:14:40] Epoch 43/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:40] Epoch 24/50 - Loss: 1.0587 - Accuracy: 0.99
[01:14:41] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:42] Epoch 25/50 - Loss: 0.9270 - Accuracy: 0.99
[01:14:43] [INFO] Loading dataset 'banking-conversations-v2'...
[01:14:43] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:45] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:14:45] [INFO] Initializing distributed training across 4 GPUs...
[01:14:46] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:47] [INFO] Loading dataset 'banking-conversations-v2'...
[01:14:48] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:48] Epoch 26/50 - Loss: 0.8185 - Accuracy: 0.99
[01:14:50] Epoch 27/50 - Loss: 0.7544 - Accuracy: 0.99
[01:14:50] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:51] Epoch 28/50 - Loss: 0.6948 - Accuracy: 0.99
[01:14:52] [INFO] Initializing distributed training across 4 GPUs...
[01:14:53] Epoch 29/50 - Loss: 0.5533 - Accuracy: 0.99
[01:14:55] [INFO] Loading dataset 'banking-conversations-v2'...
[01:14:55] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:56] Epoch 30/50 - Loss: 0.4751 - Accuracy: 0.99
[01:14:57] Epoch 31/50 - Loss: 0.3742 - Accuracy: 0.99
[01:14:57] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:14:59] Epoch 32/50 - Loss: 0.3626 - Accuracy: 0.99
[01:14:59] [INFO] Garbage collection freed 1.2GB of memory.
[01:15:00] Epoch 33/50 - Loss: 0.2440 - Accuracy: 0.99
[01:15:00] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:15:01] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:15:03] Epoch 2/50 - Loss: 2.4960 - Accuracy: 0.43
[01:15:04] Epoch 34/50 - Loss: 0.1288 - Accuracy: 0.99
[01:15:05] [INFO] Garbage collection freed 1.2GB of memory.
[01:15:06] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:15:07] Epoch 3/50 - Loss: 2.4789 - Accuracy: 0.45
[01:15:07] Epoch 35/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:08] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:15:09] Epoch 4/50 - Loss: 2.3985 - Accuracy: 0.46
[01:15:10] Epoch 5/50 - Loss: 2.2811 - Accuracy: 0.49
[01:15:10] Epoch 36/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:12] Epoch 37/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:13] [INFO] Running validation step...
[01:15:14] Epoch 6/50 - Loss: 2.2048 - Accuracy: 0.51
[01:15:14] [INFO] Initializing distributed training across 4 GPUs...
[01:15:16] Epoch 38/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:16] [INFO] Initializing distributed training across 4 GPUs...
[01:15:18] [INFO] Initializing distributed training across 4 GPUs...
[01:15:18] Epoch 39/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:20] Epoch 7/50 - Loss: 2.1650 - Accuracy: 0.52
[01:15:20] Epoch 40/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:22] [INFO] Loading dataset 'banking-conversations-v2'...
[01:15:23] Epoch 41/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:24] Epoch 8/50 - Loss: 2.1168 - Accuracy: 0.56
[01:15:25] Epoch 42/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:26] Epoch 9/50 - Loss: 2.1126 - Accuracy: 0.59
[01:15:28] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:15:28] Epoch 10/50 - Loss: 2.0216 - Accuracy: 0.61
[01:15:30] [INFO] Garbage collection freed 1.2GB of memory.
[01:15:30] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:15:32] [INFO] Running validation step...
[01:15:33] Epoch 43/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:35] Epoch 11/50 - Loss: 1.8727 - Accuracy: 0.63
[01:15:35] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:15:36] Epoch 12/50 - Loss: 1.8190 - Accuracy: 0.64
[01:15:38] [INFO] Initializing distributed training across 4 GPUs...
[01:15:39] Epoch 13/50 - Loss: 1.6742 - Accuracy: 0.69
[01:15:40] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:15:41] Epoch 14/50 - Loss: 1.6618 - Accuracy: 0.74
[01:15:42] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:43] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:44] [INFO] Garbage collection freed 1.2GB of memory.
[01:15:45] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:15:46] Epoch 15/50 - Loss: 1.6549 - Accuracy: 0.76
[01:15:47] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:48] Epoch 16/50 - Loss: 1.6378 - Accuracy: 0.78
[01:15:49] [INFO] Initializing distributed training across 4 GPUs...
[01:15:50] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:52] Epoch 17/50 - Loss: 1.5175 - Accuracy: 0.83
[01:15:52] [INFO] Loading dataset 'banking-conversations-v2'...
[01:15:54] Epoch 18/50 - Loss: 1.5150 - Accuracy: 0.86
[01:15:54] [INFO] Garbage collection freed 1.2GB of memory.
[01:15:56] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:15:57] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:15:58] Epoch 19/50 - Loss: 1.4085 - Accuracy: 0.91
[01:16:00] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:16:01] Epoch 20/50 - Loss: 1.2873 - Accuracy: 0.93
[01:16:48] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:16:48] Epoch 21/50 - Loss: 1.2576 - Accuracy: 0.96
[01:17:30] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:17:30] Epoch 22/50 - Loss: 1.2377 - Accuracy: 0.99
[01:17:31] Epoch 23/50 - Loss: 1.2265 - Accuracy: 0.99
[01:17:32] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:17:32] Epoch 24/50 - Loss: 1.2252 - Accuracy: 0.99
[01:17:32] Epoch 2/50 - Loss: 2.4247 - Accuracy: 0.43
[01:17:34] [INFO] Garbage collection freed 1.2GB of memory.
[01:17:35] Epoch 25/50 - Loss: 1.1018 - Accuracy: 0.99
[01:17:36] Epoch 26/50 - Loss: 1.0870 - Accuracy: 0.99
[01:17:36] Epoch 3/50 - Loss: 2.3392 - Accuracy: 0.47
[01:17:38] Epoch 27/50 - Loss: 0.9640 - Accuracy: 0.99
[01:17:38] Epoch 4/50 - Loss: 2.2999 - Accuracy: 0.50
[01:17:40] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:17:40] Epoch 28/50 - Loss: 0.8161 - Accuracy: 0.99
[01:17:41] Epoch 5/50 - Loss: 2.2592 - Accuracy: 0.54
[01:17:41] Epoch 29/50 - Loss: 0.7535 - Accuracy: 0.99
[01:17:42] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:17:43] Epoch 30/50 - Loss: 0.6076 - Accuracy: 0.99
[01:17:43] Epoch 6/50 - Loss: 2.1556 - Accuracy: 0.55
[01:17:44] Epoch 31/50 - Loss: 0.4936 - Accuracy: 0.99
[01:17:45] Epoch 7/50 - Loss: 2.0174 - Accuracy: 0.59
[01:17:45] [INFO] Running validation step...
[01:17:47] Epoch 32/50 - Loss: 0.4620 - Accuracy: 0.99
[01:17:47] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:17:48] Epoch 33/50 - Loss: 0.3764 - Accuracy: 0.99
[01:17:48] [INFO] Running validation step...
[01:17:49] Epoch 8/50 - Loss: 1.9349 - Accuracy: 0.64
[01:17:50] [INFO] Garbage collection freed 1.2GB of memory.
[01:17:50] [INFO] Garbage collection freed 1.2GB of memory.
[01:17:51] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:17:52] Epoch 9/50 - Loss: 1.8529 - Accuracy: 0.66
[01:17:53] Epoch 10/50 - Loss: 1.8272 - Accuracy: 0.67
[01:17:53] Epoch 34/50 - Loss: 0.3386 - Accuracy: 0.99
[01:17:54] Epoch 11/50 - Loss: 1.8195 - Accuracy: 0.71
[01:17:55] [INFO] Initializing distributed training across 4 GPUs...
[01:17:56] [INFO] Garbage collection freed 1.2GB of memory.
[01:17:57] Epoch 35/50 - Loss: 0.3128 - Accuracy: 0.99
[01:17:58] Epoch 12/50 - Loss: 1.7153 - Accuracy: 0.73
[01:18:00] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:18:00] Epoch 36/50 - Loss: 0.2308 - Accuracy: 0.99
[01:18:02] Epoch 13/50 - Loss: 1.6001 - Accuracy: 0.75
[01:18:02] Epoch 37/50 - Loss: 0.1035 - Accuracy: 0.99
[01:18:04] [INFO] Initializing distributed training across 4 GPUs...
[01:18:05] Epoch 14/50 - Loss: 1.5801 - Accuracy: 0.79
[01:18:06] Epoch 38/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:08] Epoch 15/50 - Loss: 1.4498 - Accuracy: 0.81
[01:18:09] Epoch 39/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:10] Epoch 16/50 - Loss: 1.4326 - Accuracy: 0.85
[01:18:12] [INFO] Running validation step...
[01:18:13] Epoch 17/50 - Loss: 1.3286 - Accuracy: 0.86
[01:18:14] [INFO] Initializing distributed training across 4 GPUs...
[01:18:16] Epoch 18/50 - Loss: 1.2370 - Accuracy: 0.91
[01:18:16] Epoch 40/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:17] Epoch 19/50 - Loss: 1.1719 - Accuracy: 0.96
[01:18:17] Epoch 20/50 - Loss: 1.1172 - Accuracy: 0.98
[01:18:18] Epoch 41/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:19] Epoch 21/50 - Loss: 1.1008 - Accuracy: 0.99
[01:18:19] Epoch 42/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:21] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:18:21] Epoch 22/50 - Loss: 1.0265 - Accuracy: 0.99
[01:18:22] Epoch 43/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:22] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:18:23] Epoch 23/50 - Loss: 0.9325 - Accuracy: 0.99
[01:18:24] Epoch 24/50 - Loss: 0.8716 - Accuracy: 0.99
[01:18:24] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:26] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:26] Epoch 25/50 - Loss: 0.8072 - Accuracy: 0.99
[01:18:28] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:18:28] Epoch 26/50 - Loss: 0.6592 - Accuracy: 0.99
[01:18:29] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:29] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:18:30] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:32] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:18:33] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:33] Epoch 27/50 - Loss: 0.5099 - Accuracy: 0.99
[01:18:35] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:35] [INFO] Loading dataset 'banking-conversations-v2'...
[01:18:37] [INFO] Garbage collection freed 1.2GB of memory.
[01:18:38] [INFO] Loading dataset 'banking-conversations-v2'...
[01:18:39] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:40] Epoch 28/50 - Loss: 0.3615 - Accuracy: 0.99
[01:18:40] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:18:41] Epoch 29/50 - Loss: 0.2199 - Accuracy: 0.99
[01:18:42] [INFO] Running validation step...
[01:18:43] [INFO] Garbage collection freed 1.2GB of memory.
[01:18:43] Epoch 2/50 - Loss: 2.4293 - Accuracy: 0.42
[01:18:44] [INFO] Adjusting learning rate to 2e-5 with Cosine Annealing...
[01:18:45] Epoch 3/50 - Loss: 2.3829 - Accuracy: 0.43
[01:18:46] Epoch 30/50 - Loss: 0.1146 - Accuracy: 0.99
[01:18:47] Epoch 4/50 - Loss: 2.2965 - Accuracy: 0.47
[01:18:48] [INFO] Initializing distributed training across 4 GPUs...
[01:18:49] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:18:50] Epoch 31/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:51] Epoch 5/50 - Loss: 2.2940 - Accuracy: 0.49
[01:18:52] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:18:52] Epoch 6/50 - Loss: 2.2835 - Accuracy: 0.53
[01:18:53] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:18:54] Epoch 32/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:55] Epoch 7/50 - Loss: 2.2141 - Accuracy: 0.56
[01:18:55] Epoch 33/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:57] Epoch 8/50 - Loss: 2.1187 - Accuracy: 0.59
[01:18:57] Epoch 34/50 - Loss: 0.1000 - Accuracy: 0.99
[01:18:59] Epoch 35/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:00] Epoch 9/50 - Loss: 1.9911 - Accuracy: 0.61
[01:19:00] Epoch 36/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:02] [INFO] Running validation step...
[01:19:02] [INFO] Running validation step...
[01:19:02] Epoch 10/50 - Loss: 1.8811 - Accuracy: 0.64
[01:19:04] Epoch 37/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:04] Epoch 11/50 - Loss: 1.7736 - Accuracy: 0.67
[01:19:05] Epoch 38/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:06] Epoch 39/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:06] Epoch 12/50 - Loss: 1.6465 - Accuracy: 0.69
[01:19:08] Epoch 40/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:08] Epoch 13/50 - Loss: 1.5402 - Accuracy: 0.74
[01:19:09] Epoch 14/50 - Loss: 1.5380 - Accuracy: 0.78
[01:19:10] Epoch 41/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:10] [INFO] Running validation step...
[01:19:12] Epoch 42/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:13] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:19:14] Epoch 15/50 - Loss: 1.4367 - Accuracy: 0.82
[01:19:15] Epoch 43/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:15] Epoch 44/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:16] Epoch 16/50 - Loss: 1.3909 - Accuracy: 0.86
[01:19:17] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:19:18] Epoch 17/50 - Loss: 1.2440 - Accuracy: 0.86
[01:19:19] Epoch 45/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:19] Epoch 18/50 - Loss: 1.1680 - Accuracy: 0.90
[01:19:20] Epoch 19/50 - Loss: 1.1231 - Accuracy: 0.91
[01:19:21] Epoch 46/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:22] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:19:23] Epoch 47/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:24] Epoch 48/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:24] Epoch 20/50 - Loss: 1.0293 - Accuracy: 0.92
[01:19:26] Epoch 49/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:26] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:19:28] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:19:28] Epoch 21/50 - Loss: 0.9421 - Accuracy: 0.96
[01:19:29] Epoch 50/50 - Loss: 0.1000 - Accuracy: 0.99
[01:19:30] Epoch 22/50 - Loss: 0.9412 - Accuracy: 0.98
[01:19:31] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:19:32] [INFO] Initializing distributed training across 4 GPUs...
[01:19:33] Epoch 1/50 - Loss: 2.5000 - Accuracy: 0.40
[01:19:34] Epoch 2/50 - Loss: 2.4472 - Accuracy: 0.41
[01:19:34] [INFO] Garbage collection freed 1.2GB of memory.
[01:19:35] Epoch 3/50 - Loss: 2.3323 - Accuracy: 0.44
[01:19:37] Epoch 23/50 - Loss: 0.9130 - Accuracy: 0.99
[01:19:37] Epoch 4/50 - Loss: 2.2629 - Accuracy: 0.46
[01:19:38] Epoch 5/50 - Loss: 2.1945 - Accuracy: 0.50
[01:19:38] [INFO] Running validation step...
[01:19:39] [WARN] VRAM usage at 88%. Enabling gradient checkpointing.
[01:19:40] Epoch 6/50 - Loss: 2.1867 - Accuracy: 0.55
[01:19:42] Epoch 24/50 - Loss: 0.8935 - Accuracy: 0.99
[01:19:42] [SUCCESS] Checkpoint saved to ./weights/llama3-finetuned-step-800.pt
[01:19:43] Epoch 7/50 - Loss: 2.1438 - Accuracy: 0.59
[01:19:44] Epoch 25/50 - Loss: 0.8246 - Accuracy: 0.99
[01:19:45] Epoch 8/50 - Loss: 2.0210 - Accuracy: 0.63
[01:19:47] Epoch 26/50 - Loss: 0.6815 - Accuracy: 0.99
[01:19:47] [INFO] Loading dataset 'banking-conversations-v2'...
[01:19:47] Epoch 27/50 - Loss: 0.6091 - Accuracy: 0.99
[01:19:48] Epoch 28/50 - Loss: 0.5563 - Accuracy: 0.99
[01:19:50] [INFO] Loading dataset 'banking-conversations-v2'...
[01:19:50] Epoch 29/50 - Loss: 0.4430 - Accuracy: 0.99
Backend Database Development Cloud Database - Sql - MySql

علایق من

وقتی پشت لپ‌تاپ نیستم...

کتاب و پادکست موسیقی نتفلیکس شطرنج

فلسفه کاری من

من باور دارم موفقیت پایدار از ترکیب کیفیت، مسئولیت‌پذیری و یادگیری مداوم به‌دست می‌آید. در کار، همیشه تلاش می‌کنم با دقت، تعهد و نگاه حل‌مسئله پیش بروم و برای هر پروژه، بهترین راه‌حل را متناسب با نیاز واقعی ارائه دهم. برای من، کار فقط انجام وظیفه نیست؛ بلکه فرصتی برای خلق ارزش، رشد حرفه‌ای و ساختن نتیجه‌ای ماندگار است.

⚛️React
📘TypeScript
🟢Node.js
Next.js
🌊Tailwind
🔥Vite
💎Prisma
🗄️PostgreSQL
⚛️React
📘TypeScript
🟢Node.js
Next.js
🌊Tailwind
🔥Vite
💎Prisma
🗄️PostgreSQL

مسیر تکامل

1400 - تاکنون

Senior Developer

توسعه‌دهنده ارشد

من به‌عنوان یک توسعه‌دهنده ارشد، با سال‌ها تجربه در طراحی، پیاده‌سازی و هدایت پروژه‌های نرم‌افزاری پیچیده، مسئولیت رهبری فنی تیم‌ها و ارائه راه‌حل‌های نوآورانه را بر عهده دارم. تخصص من شامل معماری نرم‌افزار، بهینه‌سازی عملکرد، و تضمین کیفیت کد در مقیاس بزرگ است. من متعهد به ارائه محصولات نرم‌افزاری با کیفیت بالا و همسو با اهداف استراتژیک کسب‌وکار هستم. سبک دیگ

1391 تا هم اکنون

Web Developer

برنامه‌نویس وب

من به‌عنوان یک برنامه‌نویس وب، تخصص ویژه‌ای در توسعه و سفارشی‌سازی پلتفرم وردپرس دارم. فعالیت‌های من شامل قالب‌نویسی حرفه‌ای، توسعه پلاگین‌های کاربردی و همچنین تبدیل طرح‌های گرافیکی Figma و PSD به قالب‌های وردپرس واکنش‌گرا و بهینه است. هدف من ارائه راه‌حل‌های جامع و اختصاصی برای ایجاد حضور آنلاین قدرتمند و کارآمد برای کسب‌وکارهاست.

1398 تا هم اکنون

Android Developer

برنامه‌نویس اندروید

من به‌عنوان توسعه‌دهنده اندروید، در طراحی و پیاده‌سازی اپلیکیشن‌های موبایل برای سیستم‌عامل اندروید فعالیت می‌کنم و با بهره‌گیری از دانش فنی و تجربه خود، به مشتریانم کمک می‌کنم تا برنامه‌هایی کاربردی، پایدار و کاربرپسند توسعه دهند. در این مسیر، بر ساخت رابط کاربری مناسب، بهینه‌سازی عملکرد، رفع خطاها و ارائه راهکارهای قابل اعتماد برای نیازهای مختلف کسب‌وکار تمرکز داشته‌ام.

1398 تا هم اکنون

Social Media & SEO Team Lead

سرپرست ارشد تیم شبکه‌های اجتماعی و سئو

من به‌عنوان سرپرست تیم شبکه‌های اجتماعی و سئو، در زمینه هدایت، برنامه‌ریزی و اجرای استراتژی‌های بازاریابی دیجیتال فعالیت می‌کنم و با تکیه بر دانش و تجربه خود، به مشتریانم کمک کرده‌ام تا حضور مؤثرتر و حرفه‌ای‌تری در فضای آنلاین داشته باشند. در حوزه شبکه‌های اجتماعی، بر تولید و مدیریت محتوا، افزایش تعامل و رشد مخاطبان تمرکز داشته‌ام و در بخش سئو نیز با بهینه‌سازی سایت و محتوا، به بهبود رتبه در موتورهای جستجو و افزایش بازدید هدفمند کمک کرده‌ام. اگر خواستی، می‌توانم همین را:

1402 تا هم اکنون

Blockchain Developer

توسعه‌دهنده بلاک‌چین

توسعه‌دهنده بلاک‌چین (Blockchain Developer)، که در فارسی به آن برنامه‌نویس بلاک‌چین نیز گفته می‌شود، فردی متخصص در طراحی، توسعه و پیاده‌سازی سیستم‌ها و برنامه‌های کاربردی مبتنی بر فناوری بلاک‌چین است. من با ارائه این تخصص، به مشتریان خود کمک می‌کنم تا راه‌حل‌های نوآورانه و امن در حوزه‌هایی چون قراردادهای هوشمند، رمزارزها، شبکه‌های غیرمتمرکز (dApps) و مدیریت داده‌ها را توسعه دهند. این دانش عمیق در فناوری بلاک‌چین به من امکان می‌دهد تا پروژه‌های پیچیده را با موفقیت به سرانجام برسانم و به کسب‌وکارها در بهره‌برداری از پتانسیل کامل این فناوری یاری رسانم.

آزمون ها ومدارک

مشارکت‌های علمی در معتبرترین ژورنال‌ها و کنفرانس‌های بین‌المللی

زومه فارسی من در جابینجا

رزومه حرفه‌ای من که در جابینجا قابل مشاهده است، بیانگر تجربیات و مهارت‌های کلیدی من است. این رزومه به گونه‌ای تنظیم شده که مناسب موقعیت‌های شغلی در پلتفرم جابینجا باشد. با مرور آن، می‌توانید توانایی‌هایم در را مشاهده کنید.

رزومه من

CV

This CV reflects my professional journey, expertise, and key achievements. I have tried to present my technical abilities and soft skills in a clear and practical way. By reviewing my background, you can gain a clear understanding of the value I can bring to your team. I am ready to discuss my experiences and potential collaboration further in a face-to-face conversation.

Download

Bar-On هوش هیجانی

مدل بار-آن هوش هیجانی را مجموعه‌ای از توانایی‌های مرتبط با شناخت، مدیریت و به‌کارگیری هیجان‌ها در زندگی روزمره می‌داند. بر اساس این دیدگاه، فرد ابتدا باید خودآگاهی هیجانی داشته باشد؛ یعنی احساسات خود را بشناسد و بفهمد چه عواملی باعث ایجاد آن‌ها می‌شوند. سپس توان خودمدیریتی هیجانی اهمیت پیدا می‌کند تا فرد بتواند هیجان‌هایش را کنترل کرده و در موقعیت‌های مختلف به شکل سازگارانه عمل کند. همچنین خودانگیزشی به معنای داشتن انگیزه، امید و استمرار در مسیر اهداف است. در سطح ارتباط با دیگران، همدلی باعث می‌شود فرد احساسات و نیازهای دیگران را بهتر درک کند و در نهایت مهارت‌های اجتماعی کمک می‌کند ارتباط مؤثر برقرار کند، تعارض‌ها را مدیریت نماید و روابط سالم‌تری بسازد.

دانلود

MBTI شخصیت شناسی

MBTI بر پایه چهار دوگانگی اصلی است: یکی اینکه فرد بیشتر به سمت دنیای بیرون گرایش دارد یا دنیای درون (برون‌گرا/درون‌گرا). بعد دوم مربوط است به سبک دریافت اطلاعات؛ بعضی‌ها اطلاعات را بیشتر از راه حس کردن و جزئیات می‌گیرند و بعضی‌ها با نگاه شهودی و برداشت کلی. سپس نحوه تصمیم‌گیری مطرح می‌شود: تصمیم‌گیری بر اساس منطق و معیارها (تفکر) یا بر اساس ارزش‌ها و هماهنگی با احساسات (توافق/احساس). در نهایت شیوه‌ی زندگی و سازمان‌دهی بیرونی مطرح می‌شود: بعضی‌ها ساختار و قطعیت را ترجیح می‌دهند (قضاوت) و بعضی‌ها انعطاف و باز بودن گزینه‌ها را (ادراک). ترکیب این‌ها ۱۶ تیپ مشهور را می‌سازد (مثل INTJ یا ESFP).

دانلود

NEO شخصیت شناسی

NEO شخصیت‌شناسی به مدل پنج‌عاملی شخصیت اشاره دارد که یکی از معتبرترین و پرکاربردترین رویکردها برای بررسی شخصیت است. در این مدل، شخصیت انسان بر اساس پنج بُعد اصلی سنجیده می‌شود: روان‌رنجوری، برون‌گرایی، گشودگی به تجربه، سازگاری و وظیفه‌شناسی. این مدل می‌گوید تفاوت‌های شخصیتی افراد را می‌توان تا حد زیادی با میزان این پنج ویژگی توضیح داد. برای مثال، بعضی افراد در برابر استرس و هیجان‌های منفی حساس‌ترند، برخی اجتماعی‌تر و پرانرژی‌ترند، بعضی ذهنی بازتر و علاقه‌مند به تجربه‌های جدید هستند، گروهی مهربان‌تر و همکاری‌جوترند و برخی نیز منظم‌تر، مسئولیت‌پذیرتر و هدف‌مندتر عمل می‌کنند. مدل NEO در روان‌شناسی، مشاوره و حتی محیط‌های شغلی برای شناخت بهتر ویژگی‌های فردی و پیش‌بینی رفتار بسیار استفاده می‌شود.

دانلود

هوش های چندگانه

هوش‌های چندگانه نظریه‌ای است که توسط هاوارد گاردنر مطرح شد و می‌گوید هوش انسان فقط به توانایی‌های منطقی و نمره‌های درسی محدود نیست، بلکه افراد ممکن است در زمینه‌های مختلفی استعداد و توانایی بالایی داشته باشند. بر اساس این دیدگاه، هر فرد ترکیبی از چند نوع هوش را دارد و ممکن است در بعضی از آن‌ها قوی‌تر باشد. گاردنر انواعی از هوش را معرفی کرد؛ مثل هوش زبانی برای استفاده خوب از کلمات و زبان، هوش منطقی-ریاضی برای تحلیل و حل مسئله، هوش فضایی برای تجسم و درک تصاویر و اشکال، هوش بدنی-جنبشی برای استفاده ماهرانه از بدن، هوش موسیقیایی برای درک ریتم و صدا، هوش بین‌فردی برای فهمیدن دیگران و ارتباط مؤثر، هوش درون‌فردی برای شناخت خود، و در برخی منابع هوش طبیعت‌گرا و حتی هوش وجودی هم مطرح می‌شود. این نظریه کمک می‌کند تا بفهمیم موفقیت و توانایی انسان‌ها فقط به یک نوع استعداد وابسته نیست و هر فرد می‌تواند در زمینه‌ای خاص بدرخشد.

دانلود
محمد موسوی| فول استک محمد موسوی| فول استک

شرکت های همکاربرگزیده

همکار ۱
همکار ۲
همکار ۳
همکار ۴
همکار ۲
همکار ۲
همکار ۳

اعتماد همکاران

آقای موسوی یک برنامه‌نویس فول‌استک بسیار توانمند و دقیق هستند. ایشان علاوه بر تسلط بالا بر فناوری‌های روز، در حل مسئله و تحویل پروژه‌ها با کیفیت عالی بسیار قابل اعتمادند.

Client 1

حسینی

مدیر فناوری اطلاعات بانک

از همکاری با ایشان تجربه بسیار خوبی داشتیم. دانش فنی بالا، سرعت عمل، و مسئولیت‌پذیری در انجام کارها باعث شد پروژه‌ها به بهترین شکل پیش بروند. قطعاً همکاری دوباره با ایشان را پیشنهاد می‌کنیم.

Client 1

قره یازی

مدیر فناوری اطلاعات دانشگاه