Je souhaite mettre en place un modèle LSTM capable de repérer automatiquement les phases Wyckoff – plus précisément Trading Range et Secondary Test – dans des séries de prix de cryptomonnaies. Ce que j’attends : • Conception et entraînement d’un réseau LSTM binaire avec activation sigmoid, orienté « équilibre entre précision et complexité ». • Création d’un générateur de données d’entraînement : swing points + filler points pour reproduire les fluctuations de marché et augmenter le jeu de données. • Intégration des données OHLCV comme indicateur de base, avec la possibilité d’ajouter vos propres features si cela améliore la détection. • Scripts clairs (TensorFlow, Keras ou PyTorch) et commentaires détaillés pour que je puisse ré-entraîner ou ajuster le modèle. • Rapport succinct expliquant la méthodologie : préparation des données, architecture choisie, paramètres clés, métriques d’évaluation et tests sur échantillons hors entraînement. Compétences recherchées : solide expérience LSTM / deep learning, bonne maîtrise des patterns Wyckoff et de l’analyse technique, aisance avec de grands volumes de séries temporelles financières. Livrables attendus : 1. Code complet et reproductible. 2. Poids du modèle entraîné. 3. Documentation d’installation et d’exécution. Si vous avez déjà travaillé sur la détection de structures de marché ou sur des données crypto, précisez-le dans votre proposition.