مهدی مولویمن مهدی مولوی هستم؛ مهندس ارشد بک‌اند با بیش از ده سال کار عملیاتی با C#، دات‌نت و SQL Server، و پژوهشگر روش‌های تانسوری برای داده‌های بزرگ‌مقیاس. پروژه‌های منتخب را در چهار زمینهٔ زیر می‌پذیرم.
سایت‌ها و اپلیکیشن‌های تحت وب
سایت‌های شخصی، شرکتی و محصول که سریع باز می‌شوند، روی موبایل درست کار می‌کنند و از روز اول برای موتورهای جست‌وجو آماده‌اند. آن‌ها را روی دات‌نت با یک رابط کاربری مدرن می‌سازم، یا اگر برای کارفرما مناسب‌تر باشد، روی یک سیستم مدیریت محتوای موجود. سایت دوزبانه با نسخهٔ فارسی راست‌به‌چپ و درست هم بخشی از همین کار است؛ همین سایت، با صفحه‌های انگلیسی و بخش فارسی جداگانه‌اش، یک نمونه است.
به‌عنوان نمونه، صفحهٔ اصلی همین سایت در Lighthouse در بخش‌های دسترس‌پذیری، بهترین روش‌ها و سئو امتیاز ۱۰۰ می‌گیرد و بزرگ‌ترین عنصر محتوایی صفحه روی پروفایل کندشدهٔ موبایل در حدود ۲٫۲ ثانیه نمایش داده می‌شود (اندازه‌گیری در اکتبر ۲۰۲۶).
بک‌اند، API و افزایش کارایی
سرویس‌های ASP.NET Core، بهینه‌سازی SQL Server، کش Redis و صف پیام برای سیستم‌هایی که زیر بار باید سریع بمانند. یک معماری Redis Sentinel طراحی کردم که به ۴۵ تا ۷۰ هزار کاربر هم‌زمان آزمون خدمت داد، و معماری یک پلتفرم آزمون تطبیقی را طراحی کردم که حدود ۸۹ هزار دانش‌آموز از آن استفاده می‌کنند. کار معمول در این بخش: پیدا کردن گلوگاه واقعی، اصلاح کوئری‌ها و ایندکس‌های کند، افزودن کش در جایی که واقعاً می‌ارزد و تست بار پیش از اوج ترافیک.
روش کارم را در چهار راهنمای عملی هم نوشته‌ام: بهینه‌سازی کارایی SQL Server، تست بار با Locust، کش در ASP.NET Core و پیام‌رسانی قابل‌اعتماد با RabbitMQ؛ همه در راهنماهای بک‌اند.
دیده شدن در جست‌وجو و هوش مصنوعی
زیرساخت فنی‌ای که کمک می‌کند موتورهای جست‌وجو و دستیارهای هوش مصنوعی سایت را پیدا کنند و بفهمند پشتش چه کسی است: ساختار تمیز عنوان‌ها، داده‌های ساختاریافته (JSON-LD) برای اشخاص، سازمان‌ها، خدمات و مقاله‌ها، سایت‌مپ، hreflang برای سایت‌های چندزبانه، فایل llms.txt، Core Web Vitals، و راه‌اندازی سرچ کنسول گوگل، Bing Webmaster Tools و IndexNow. هیچ‌کس نمی‌تواند رتبه را تضمین کند؛ کاری که من از آن مطمئن می‌شوم این است که سایت به اندازهٔ کافی سریع، خوانا و یکدست باشد تا بشود به آن اعتماد کرد.
روش‌های تانسوری و یادگیری ماشین
مشاوره و پیاده‌سازی برای مسئله‌هایی که داده‌شان بیش از دو بُعد دارد، مثل تصویر، ویدیو، جریان داده‌های حسگر و تصویربرداری مغز: تجزیه‌های تانسوری مثل t-SVD و tc-SVD، فشرده‌سازی کم‌رتبه، و طبقه‌بندی و خوشه‌بندی تانسوری. پایان‌نامهٔ کارشناسی ارشدم در دانشگاه تربیت مدرس دربارهٔ همین موضوع بود. مجموعهٔ یادداشت‌های تانسوری آن را قدم‌به‌قدم توضیح می‌دهد و پیاده‌سازی MATLAB تجزیهٔ tc-SVD در گیت‌هاب است.
شروع همکاری
چند خط دربارهٔ کاری که لازم دارید، مهلت انجامش و این‌که نتیجهٔ خوب از نظر شما چه شکلی است، به mhdmlv93@gmail.com ایمیل بزنید یا در لینکدین پیام بدهید. به‌صورت دورکاری کار می‌کنم و می‌توانم به انگلیسی، فارسی، ترکی استانبولی و ترکی آذربایجانی مکاتبه کنم.