مقالات · هوشمندی عملیاتی، AI و کوانت
مقالات حسین نریمانی
نوشته‌های عمیق درباره طراحی سیستم‌های کوانت، AI عملیاتی، معماری SaaS، طراحی ایجنت‌های هوش مصنوعی اختصاصی و سیستم‌های اجرایی بنیان‌گذاران.
مدل یادگیری عمیق برای پیش‌بینی داده‌های OHLCV سهام: چارچوب طراحی سیستمی
مسئله واقعی: چرا مدل‌های یادگیری عمیق روی OHLCV اغلب شکست می‌خورنداکثر تیم‌هایی که سراغ پیش‌بینی قیمت سهام با یادگیری عمیق می‌روند، از یک سؤال اشتباه شروع می‌کنند: «کدام مدل دقت بالاتری دارد؟» این سؤال غلط است.سؤال درست این است: «این سیستم چه تصمیمی را در...
مطالعه کامل →
معادله هزینه واقعی سیستم‌های کمی: چرا مدل‌بندی جزء‌به‌جزء تصمیم‌ساز است
مشکل واقعی: هزینه سیستم‌های کمی همیشه بیشتر از چیزی است که روی کاغذ می‌بینیداکثر تیم‌ها وقتی هزینه یک سیستم کمی (Quant System) را حساب می‌کنند،...
مطالعه کامل →
هزینه ساخت یک سیستم کوانت: برآورد واقعی، اجزای هزینه و تصمیم‌گیری برای کسب‌وکار
بیشتر برآوردهای بازار درباره هزینه ساخت یک سیستم کوانت از همان ابتدا غلط‌اند. چون «استراتژی»، «بک‌تست»، «زیرساخت اجرا» و «کنترل ریسک» را با هم...
مطالعه کامل →
سیستم تصمیم‌گیری دوسطحی: جداسازی سیگنال از نویز در داده‌های سیاق‌دار
بیشتر سیستم‌های تصمیم‌گیری یک مشکل ساختاری دارند: هر دادهٔ ورودی را با وزن یکسان پردازش می‌کنند. سیستم نمی‌داند کدام سیگنال اطلاعات واقعی حمل...
مطالعه کامل →
چرا Data Pipeline شما در Production Fail می‌کند: اشتباهات معماری
اکثر Data Pipelineهایی که در Production شکست می‌خورند، مشکل تکنولوژی ندارند. مشکل این است که معماری آن‌ها برای دنیای ایده‌آل طراحی شده، نه دنیای...
مطالعه کامل →