Доработка существующего продукта. Суть задачи: необходимо построение или улучшение существующей системы в подразделении компании Провести анализ текущей ситуации, предложить образ идеального будущего и разработать стратегию движения к этому будущему.
Data Science. Доработка существующего продукта. Необходимы онлайн консультации, чтобы помочь разобраться в написании процессов (создание .tlb, .tlh и .tli файлов и принцип их работы), знание visual studio.
Data Science. Консультация. Необходимо проконсультировать по вопросу безопасного облачного хранения файлов компании. Длительность консультации не более 30 мин.
Data Science. мне предоставили код доступа в чужой инстаграм, но у меня нет софта. кто сможет посмотреть для меня информацию?. Добрый день. Я получила код доступа к чужому инстаграм. Прилагаю переписку. Но у меня нет софта, о котором идет речь в переписке, гидры тоже нет. Мне просто нужно получить принтскрины последних 10 фото. Кто сможет для меня это сделать - я далека от IT. заплатила деньги и не могу посмотреть информацию. или меня развели?.
Data Science. Доработка существующего продукта. Необходимо построить LSTM модель для прогнозирования цены на финансовый продукт основываясь на ряде факторов (цена продукта, оборот, цена золота итд) за последние 365 дней. Вся дата есть.
Data Science. Тестирование. Консультация в формате телефонного разговора. Я хочу понять общую информацию по направлению работы с базами данных: база контактов 3-х целевых групп клиентов Хочу получить ответы на общие вопросы и понять возможное применение компетенций специалистов Data Scientist для решения задач по своему проекту. Время разговора до 30 мин.
Консультация. Готовлюсь к собеседованию на должность «Аналитик данных» Ищу человека, который заполнит пробелы в моих знаниях, скажет, что и где почитать по теме.
консультация. Нужна консультация, корректировка и уточнение ТЗ и последующий поиск решений. Задача: протестировать гипотезу при которой представитель ЦА при ознакомлении с информацией на сайте совершает действие –оплата/вклад. Хочу понять при каких количественных показателях это произойдет и будет ли это выг дно -кол-во показов -кол-во заходов на сайт -кол-во и сумма оплат -затраты Более полное описание во вложении.
Data Science. Разработка с нуля. Необходимо разработать стратегию на валютных парах рынок форекс показывающую цвет свечи завтрашнего дня по цвету свечи сегодняшнего дня. Точность 97%.
Решение экзаменационного задания. Нужно выполнить задание в python: авс анализ по товарам, rfm анализ по клиентам, построить регрессию и сделать визуализацию.
Разработка с нуля, настройка. Нужен профессиональный Data Scientist, владеющий Python, имеющий опыт: - разработки моделей машинного обучения - создания сервисов на питоне для их запуска - развертывания сервисов в Docker / иных средах Если коротко - имеющий опыт в полном цикле разработке моделей в проде (от идеи до деплоя) Цель - мне требуются занятия, чтобы улучшить свои технические навыки и знания. Формат - регулярный созвон и обсуждение проблем, с которыми я сталкиваюсь при разработке собственных моделей.
Разработка с нуля. Добрый день! Нужна аналитика по рынку HoReCa России. Категория: десерты с разбивкой по типу (какие десерты продаются больше, какие меньше). Так же каналы (рестораны, отели, кофейни и тд.). Вид отчета: презентация или отчет (продажи) от дилера.
Data Science. Разработка с нуля. Обучение не надо, нужно написать рабочий алгоритм! Разработка генетического алгоритма для нахождения оптимальных значений Здравствуйте! Нужно скопировать математическую модель работы telegram бота (маркетинговая пирамида), основываясь на видео презентации в которой подробно и схематично описана работа алгоритма. На выходе нужна формула для двух моделей описанных тут : Активные пакеты: https://youtu.be/PgMpgIDWGhs Пассивные пакеты: https://youtu.be/5gSZj1bnpJ4 Нужно написать генетический алгоритм для просчёта оптимальных значений, так как вариант на видео плохо работает - накапливает большое кол-во очередей, это одна из основных проблем которую нужно решить, а так же разработать свой алгоритм по принципу, как в видео, который можно было бы внедрить в Telegram бота. Цель сократить кол-во очередей ожидающих оплату после каждого цикла. В данной модели через некоторое время очереди накапливаются. Жду Ваши предложения.
Data Science. Обучение. Всем привет! Пожалуйста обучите написанию API документации, в частности Postman/ Swagger. Работадатель поставил задачу описать движение данных в компании. Имею поверхностные знание о Rest API, HTTP, JSON, XML, SQL... но, своими руками документацию никогда не писал Help!.
Разработка с нуля. Производство кремов, гелей для душа. Нужно сделать Гугл таблицы шаблон в который буду заполнять данные, далее чтобы эти данные автоматически подтягивались в другие таблицы исходя из первой таблицы. Какие таблицы нужны, форма для заполнения данных купленного товара у поставщика, инвентаризация, сколько отгрузили на производство и сколько нужно товара для каждого продукта в разбивке по наименованиям. Предложите свою цену.
Разработка с нуля. Учусь на аналитика. Нужен урок о работе в Google data studio( отчёт создан остались вопросы) , работа в Power Bi планирую сотрудничество в дальнейшем.
Разработка с нуля. На основе предоставленного документа построить в среде Sparx EA диаграмму прецедентов (use cases) для процедур по управлению инцидентами ИБ.
Доработка существующего продукта. Сделать курсовую (есть датасет и образец). Задание: 1. Используя платформу Data Science and Machine Learning (любую на выбор Knime, RapidMiner, Trifacta, Loginom) выполнить консолидацию данных кейса, провести очистку, трансформацию данных (ETL), выполнить preprocessing данных (https://www.sv-europe.com/crisp-dm-methodology/). Обучить и оценить по метрикам качества модели машинного обучения (использовать различные алгоритмы); сравнить полученные результаты. Обогатить данные кейса результатами машинного обучения (ABC-XYZ, RFM-анализ, задачи классификации, регрессии, кластеризации – одна или все на выбор исходя из данных кейса). Экспортировать подготовленный датасет в BigQuery (или в формате .csv в Google Drive) 2. В Colab (подключившись к BigQuery или используя подготовленный датасет .csv в Google Drive) провести EDA с использованием любую библиотеку Python (pandas-profiling, dataprep, Sweetviz или другую), обучить и сравнивать модели машинного обучения с использованием библиотеки scikit-learn (или LightGBM, XGBoost, CatBoost, h2o-3, AutoGluon, PyCaret используя алгоритмы регрессии, градиентного бустинга, случайного леса). Провести прогнозирование ответа лучшей модели на новых данных (сгенерировать самостоятельно используя исходные данные). Сравнить результаты полученные в платформах Data Science and Machine Learning. На выбор 3, 4, 5 пункты: в любой из BI-платформ (но лучше во всех трех): 3. Подключившись к BigQuery (или использовать подготовленный датасет) создать в Power BI Desktop выражения KPI с использованием выражений анализа данных (DAX), разработать несколько отчетов в Power BI, опубликовать его в корпоративном облачном сервисе Power BI. Выявить инсайты, оформить их в “закладках”, создать информационные панели мониторинга в Power BI. Провести машинное обучение. Сравнить результатами полученными в платформах DSML и Colab. Внедрить интерактивные отчеты в olab. 4. В Tableau Desktop (скачать триальную версию) подключившись к BigQuery (или использовать подготовленный датасет) построить дашборды, выявить инсайты, оформить истории (Story), опубликовать в своем аккаунте в Tableau Public, внедрить интерактивные отчеты в Colab. 5. Подключившись к BigQuery (или использовать подготовленный датасет) создать в Qlik Sense выражения KPI с использованием языка выражений анализа множеств, используя интеллектуальный помощник, создать дашборды, выявить инсайты и создать повествования данных (сторителлинг), опубликовать в потоке Qlik Sense Cloud в своем аккаунте, отправить на проверку преподавателю (предоставить доступ). 6. Необязательное задание: В BigQuery создать, обучить и оценить по метрикам качества модели машинного обучения используя SQL; создать интерактивный отчет в data Studio и внедрить в Colab:.
Разработка с нуля. Итоговое задание По индивидуальному заданию (выбранный Вами кейс https://disk.yandex.ru/d/H_A1iawBhb-XUw): 1. Используя платформу Data Science and Machine Learning (любую на выбор Knime, RapidMiner, Trifacta, Loginom) выполнить консолидацию данных кейса, провести очистку, трансформацию данных (ETL), выполнить preprocessing данных (https://www.sv-europe.com/crisp-dm-methodology/). Обучить и оценить по метрикам качества модели машинного обучения (использовать различные алгоритмы); сравнить полученные результаты. Обогатить данные кейса результатами машинного обучения (ABC-XYZ, RFM-анализ, задачи классификации, регрессии, кластеризации – одна или все на выбор исходя из данных кейса). Экспортировать подготовленный датасет в BigQuery (или в формате .csv в Google Drive) 2. В Colab (подключившись к BigQuery или используя подготовленный датасет .csv в Google Drive) провести EDA с использованием любую библиотеку Python (pandas-profiling, dataprep, Sweetviz или другую), обучить и сравнивать модели машинного обучения с использованием библиотеки scikit-learn (или LightGBM, XGBoost, CatBoost, h2o-3, AutoGluon, PyCaret используя алгоритмы регрессии, градиентного бустинга, случайного леса). Провести прогнозирование ответа лучшей модели на новых данных (сгенерировать самостоятельно используя исходные данные). Сравнить результаты полученные в платформах Data Science and Machine Learning. На выбор 3, 4, 5 пункты: в любой из BI-платформ (но лучше во всех трех): 3. Подключившись к BigQuery (или использовать подготовленный датасет) создать в Power BI Desktop выражения KPI с использованием выражений анализа данных (DAX), разработать несколько отчетов в Power BI, опубликовать его в корпоративном облачном сервисе Power BI. Выявить инсайты, оформить их в “закладках”, создать информационные панели мониторинга в Power BI. Провести машинное обучение. Сравнить результатами полученными в платформах DSML и Colab. Внедрить интерактивные отчеты в Colab.
Тестирование, Проанализировать dataset. Проанализировать числовые данные: 1) проведите неграфический анализ данных, рассчитайте основные показатели 2) проведите графический анализ данных Проанализировать категориальные. Проанализировать dataset. Проанализировать числовые данные: 1) проведите неграфический анализ данных, рассчитайте основные показатели 2) проведите графический анализ данных Проанализировать категориальные данные: 1) графический и неграфический анализ данных Проанализировать взаимосвязь колонок категориальных и числовых Все результаты проводить в среде Google Colab, файл dataset .xlsx вышлю отдельно Задача- найти корреляцию между заработной платой и должности относительно регионов. Нужна рабочая ссылка на блокнот Google colab, детализация и отчёт сильная не нужны, только общий вывод о корреляции между зарплатной, должностью и регионом. Главное в графиках должны подписаны все оси и должны быть понятны простому слушателю. Если возможно то отдельно скопировать эти графики в отдельный файл- excel или word.
Доработка существующего продукта. Нужно провести одно-два обучающих занятия (консультаций) по консолидации, очистке, трансформацию данных (ETL), preprocessing данных на платформе Machine Learning (Knime / Loginom). В дальнейшем проконсультировать, как обучить и оценить по метрикам качества модели машинного обучения (использовать различные алгоритмы); сравнить полученные результаты. Обогатить данные кейса результатами машинного обучения (ABC-XYZ, RFM-анализ, задачи классификации, регрессии, кластеризации).
Разработка с нуля. Поднять бд с нуля с целью дальнейшей визуализации данных ( деятельность производство и ecom). Интегрироваться с 1С унф, Retail crm, Roistat Количество заказов 5000 в мес. Только бесплатная БД.
Реализация модели с бумаги(статьи). 1.Имея исторические данные о цене с бирж(OHLC), протестировать модель(на основе GRU и сверточной нейронной сети) для предсказывания цен на активы на 2-4-10 часов вперед. 2. Модель нужно будет реализовать с бумаги - статьи. 3. Нужно будет убрать некоторые промежутки времени из обучающей и тестовой выборки и обучить модели без них. 4. Сделать небольшой отчёт о том, что делали, пробовали и что получилось + код для прогнозирования в реальном времени. 5. Поставить на paper trading и протестировать работоспособность в реальном времени. 6. Python, pytorch, timeseries analysis, deep learning.
Data Science. Доработка существующего продукта. Проблема в json файлах javascript (в visual studio) Есть 20 000 json файлов. Каждый примерно с одинаковым содержимым и каждый обладает индивидуальным номером. После некоторых манипуляций во ВСЕХ файлах произошла ошибка, а именно в конкретном столбце и строке файла индивидуальный номер заменился на номер 0 (фото 1 и 2) !!! Нужно заново «пронумеровать» эти файлы и вставить в значение такой же номер как в названии файла или в строке “edition” или в конце строки “image” ( ф то 3 ) ПРИМЕР РАБОТЫ - фото 4 и 5. Пожалуйста, помогите!.
Настройка. Столкнулся с препятсвием, не знаю, как решить - Мне требует просто поставить Apach zeppelin and apach spark на mac os. Поставить то поставил, но не работают в паре, когда пытаюсь использовать интерпретатор Spark, получаю ошибку не правильно пути. Сам я пытался, прописывал( stackoverflow ) по чужим подсказкам, пути в /.bash_profile, но не факт что верно ,уже две недели подхожу к вопросу, не могу понять Скачивал проги через терминал( по инструкции делал) , зеппелин скачивал с сайта и разорхивировал в usr/local 2)самый простой путь - через докер запустить, но и там постигла не удача блин! не видит что то 3) последнее пытался еще раз через brew все поставить. все равно хрен.
Разработка с нуля. 1. Консолидация таблиц с большим количеством данных (более 120 тыс. строк) 2. Анализ представленных в таблицах данных и визуализация информации (построение дашбордов).
Data Science. выгрузка данных из TECDOC. ЭКСПОРТ ДАННЫХ из TECDOC в EXCEL необходимо экспортировать данные из tecdoc в excel. По бренду Castrol моторные масла и техническим жидкости Данные - должны содержать: part number, название - описание продукта - допуски - марка и модель авто - годы выпуска - объем двигателя и его тип - и т.д. конечная цель - создание таблицы подбора продукта по марке и модели автомобиля по другому бренду НАЛИЧИЕ БАЗЫ ДАННЫХ TECDOC - ОБЯЗАТЕЛЬНО.
Data Science. Разработка с нуля, тестирование. Есть интересная идея арт галереи основанной на искусственном интеллекте. Сейчас разрабатывается предложение для инвесторов. Ваше участие как программиста на данном этапе не будет оплачено сразу, за то вы будете включены в список учредителей и в дальнейшем можете получить гораздо больше профита чем сразу. Проект действительно интересный, можем обсудить подробней в телеграмме
Разработка с нуля. Разведочный анализ датасета в python в блокноте Google Colab: преобразование колонок (например, перевод в числовой тип данных), удаление ненужных записей в колонках, анализ числовых и категориальных данных, анализ взимосвязей колонок, построение графиков взаимосвязей.
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 1 предложений о работе за сегодня в тематике data scientist
🔸 Работа и подработка на бирже фриланса от прямых заказчиков, которым нужна помощь специалистов по профилю data scientist уже сегодня!
🔸 Свежих заказов на data scientist в России для фрилансеров на июнь 2026 года — 226 шт.
Как найти удалённую работу для фриланс-специалистов по профилю data scientist в России?
Вы специалист по data scientist и ищете проекты и заказы на удалёнке в России? Нам всегда есть что вам предложить. Ежедневно мы публикуем новые проекты и заказы по вашей специальности. Найдите интересную работу уже сегодня
Сколько проектов для IT-специалистов по профилю data scientist в России?
На июнь 2026 года опубликовано 226 предложений удалённой работы от прямых заказчиков для исполнителей по специализации data scientist
Сколько можно заработать выполняя проекты по data scientist?
Специалисты по профилю data scientist зарабатывают от 0.00 рублей с заказа. Хотите больше? Выполняйте как можно больше заказов и зарабатывайте сколько пожелаете