Разработка с нуля. Имеется 6 файлов в exel, содержащие одинаковые по структуре столбцы. Нужно сравнить значения ячеек одного определенного столбца во всех файлах (т.е 1 файл сравниваем со 2, 3, 4, 5, 6, далее 2 файл сравниваем с 3, 4, 5, 6 и тд). Если находятся одинаковые ячейки, то копируем всю строку (где находится данная ячейка) и сохраняем в отдельный файл. В итоге должны получиться отдельные файлы с результатами сравнения всех искомых файлов между собой.
Data Science. Разработка с нуля. Есть набор рукописных цифр MNIST, в котором рандомно заменены метки так, что некоторые не соответствуют реальным данным. Есть алгоритм проверки и приведения набора в валидное состояние с применением кластеризации. Нужно реализовать алгоритм на python.
Data Science. Настройка. Передача данных из Yclients в AmoCRM. 1. Нужен URL адрес на который вы сможете принимать данные и обрабатывать их. 2. я вставляю его в yc и амо, и отправляю данные на него, вы передаёт какие параметры пришли. 3. на их основании я прописываю ТЗ и логистику, передаю вам 4. Вы настраиваете логику согласно тз.
Data Science. Разработка с нуля. TensorFlow. Детекция объектов и классификация изображений на tensorflow. Прикрепляю ссылку на датасет: https://drive.google.com/drive/u/0/folders/1GfEyxSdmkUP0xdxacdc0qe5kvV6yEVOE. В папке лежит датасет, обрезанные изображения и отдельно файл с аннотациями.
Data Science. Доработка существующего продукта. Доработать скрипт для формирования большой выборки объявлений с авито в табличной форме excel // header нужен для того, чтобы сообщить браузеру header('Content-Type: text/xml; charset=utf-8'); //переменная для корневой папки $document_root=$_SERVER['DOCUMENT_ROOT'].'/'; //Подключения к базу данных MySql require_once($document_root.'/inc/db.inc.php'); /* Массивы для конвертация типа объектов для типа АВИТО Квартира, апартаменты Дом, вилла Земельный участок Гараж, машиноместо Коммерческая недвижимость */ $array_topic['dom'] = Array('Дома','Дома-участки','Вилла',' Замок','Коттеджи','Пентхаус','Продажа квартир','Таунхаус','Элитное жилье','Виллы, дома','Замки','Шале'); $array_topic['kvartira'] = Array('1-комн.','2-комн.','3-комн.','4-комн.','Апартаменты','Дуплекс','Апартаменты и квартиры'); $array_topic['comers'] = Array('Доходный дом','Коммерческие помещения','Офисное здание','Пансион','Коммерческая недвижимость'); $array_topic['zemlya'] = Array('Земля'); // Начинаем формировать XML, который будет хранится в переменной $xml $xml='<?xml version="1.0"?> <Ads target="Avito.ru" formatVersion="2"> '; // Составляем запрос по выборку кода и названия страны из таблиц $query = "SELECT `id`, `user_id`, `type_id`, `topic_id`, (SELECT t.name FROM re_topic AS t WHERE t.id = d.topic_id) AS tname, (SELECT t.url FROM re_topic AS t WHERE t.id = d.topic_id) AS talias, (SELECT r.url FROM re_topic AS t LEFT JOIN re_topic as r on t.parent_id=r.id WHERE t.id = d.topic_id) AS parent_alias, `country_id`, (SELECT name FROM re_country AS c WHERE c.country_id=d.country_id) AS country_name, `city_id`, (SELECT name FROM re_city AS c WHERE c.city_id=d.city_id) AS city_name, `metro_id`, `district_id`, `street`, `price`, `text`, `contact`, `date_added`, `agent_tel`, `room_count`, `elite`, `session_id`, `active`, `sub_id1`, `sub_id2`, `reviews_count`, `hot`, `floor`, `floor_count`, `walls`, `balcony`, `square_all`, `square_live`, `square_kitchen`, `bathroom`, `img1`, `img2`, `img3`, `img4`, `img5`, `img1_preview`, `img2_preview`, `img3_preview`, `img4_preview`, `img5_preview`, `is_telephone`, `furniture`, `plate`, `agent_email`, `number`, `spec`, `floor_cover`, `square_room`, `is_kitchen`, `region_id`, `street_id`, `planning`, `dom`, `flat_number`, `owner`, `source`, `adv_date`, `more1`, `more2`, `more3`, `youtube`, `fio`, `phone`, `realty_type_id`, `view_count`, `best`, `email`, `distance`, `tmp_password`, `ad_mobile_phone`, `ad_stacionary_phone`, `can_call_start`, `can_call_end`, `currency_id`, `premium_status_end`, `bold_status_end`, `vip_status_end`, `meta_title`, `meta_description`, `meta_keywords`, `geo_lat`, `geo_lng`, `image` FROM re_data AS d WHERE d.active > 0 "; $result = mysql_query($query); if ($result) { // Затем в цикле разбираем запрос, и формируем XML while ($row = mysql_fetch_array($result)) { if(isset($row['square_all']) && $row['square_all']!=""): $area=floatval($row['square_all']); else: $area=floatval($row['square_live']); endif; if($area > 0): $xml.="\n".'<Ad>' ."\n".'<Id>'.$row['id'].'</Id>' ."\n".'<Category>Недвижимость за рубежом</Category>' ."\n".'<OperationType>Продам</OperationType>'; if(in_array($row['tname'], $array_topic['dom'])){ $xml.="\n".'<ObjectType>Дом, вилла</ObjectType>'; }elseif(in_array($row['tname'], $array_topic['kvartira'])){ $xml.="\n".'<ObjectType>Квартира, апартаменты</ObjectType>'; }elseif(in_array($row['tname'], $array_topic['comers'])){ $xml.="\n".'<ObjectType>Коммерческая недвижимость</ObjectType>'; }elseif(in_array($row['tname'], $array_topic['zemlya'])){ $xml.="\n".'<ObjectType>Земельный участок</ObjectType>'; } $xml.="\n".'<Country>'.$row['country_name'].'</Country>'; $xml.="\n".'<Square>'.$area.'</Square>'; $xml.="\n".'<Description>'.parseToXML($row['text']).'</Description>'; $xml.="\n".'<ContactPhone>+7 (000) 000-00-00</ContactPhone>'; //конвертурием валюту от евро в рубл $_price=number_format(($row['price']*63),2,'.', ''); $xml.="\n".'<Price>'.$_price.'</Price>'; $xml.="\n<Images>"; if(isset($row['image']) && $row['image'] !=""){ $xml.= imageJson($row['image']); }else{ $sql="SELECT normal FROM re_data_image AS di INNER JOIN re_image AS i ON di.image_id=i.image_id WHERE di.id=".$row['id'] ." ORDER BY di.sort_order LIMIT 10"; $rs = mysql_query($sql); if($rs){ while ($item = mysql_fetch_array($rs)) { $xml.="\n".'<Image url="http://site.ru/img/data/'.$item['normal'].'"/>'; } } } $xml.="\n</Images>"; $xml.="\n<AdStatus>Free</AdStatus>"; $xml.="\n</Ad>"; endif; } } $xml.="\n</Ads>"; // Выводим результат на экран echo $xml; function imageJson($json){ $xml=""; $img = unserialize($json); $z=0; foreach($img as $item){ if($z < 10) $xml.="\n".'<Image url="http://site.ru/img/data/'.$item['normal'].'"/>'; else break; $z++; } return $xml; } function parseToXML($htmlStr) { $xmlStr=str_replace('<','<',$htmlStr); $xmlStr=str_replace('>','>',$xmlStr); $xmlStr=str_replace('"','"',$xmlStr); $xmlStr=str_replace("'",''',$xmlStr); $xmlStr=str_replace("&",'&',$xmlStr); return $xmlStr; } ?>.
Data Science. Доработка существующего продукта. Есть небольшой датасет по публикациям из Web of Science, необходимо доработать существующий код так, чтобы: 1. Каждая строка должна дробиться по числу авторов 2. К каждой строке привязать аффиляцию из общего списка ( формат который есть: [Автор1, автор2, автор3] Аффиляция1; [автор3,автор4] Аффиляция2 ----> а нужно : например для строки автора1 Аффиляция1. 3. Расчитать вклад каждого автора в публикацию по формуле которая представлена в файле.
Data Science. Разработка с нуля. Нужно провести исследование на базе имеющегося индекса качества жизни в городах России от pwc и ВЭБ.РФ (ссылку отправлю). Необходимо проанализировать взаимосвязи между пространственным расположением городов и значениями индекса по каждому из 12 направлений. Построить соответствующие регрессии, снабдить работу картами и сделать выводы.
Data Science. извлечение удаленных файлов с флешки. Извлечь фотографии с перставшей работать флешки. Пишет что флешка пуста, хотя я только перезагрузила фотоаппарат. Новые фото делает.
Data Science. Доработка существующего продукта, Нужно доработать crm систему в гугл таблицах, добавить кое какую автоматизацию и настроить почтовую рассылку по базе контактов из таблицы. Описал в задаче, остальное при личном общении.
Доработка существующего продукта. Надо сдать зачет по аналитике данных в SQL Есть датасет, данные Телеком оператора о продажах и абонентах Нужно создать интерактивный блокнот в сервисе https://count.co (примеры визуализаций https://count.co/n/PjJDk5kz82C?vm=e), выявить и оформить инсайты (примеры и учебники: https://count.co/workspace/zFnp5jxXHMN/explore). Сохранить работу в pdf Далее в BigQuery на этом же датасете создать, обучить и оценить по метрикам качества модель машинного обучения используя SQL (зафиксировать и описать скриншоты); создать прогноз на новых данных (изменить тестовое множество и сохранить как новые данные). Объяснить результаты прогнозов и глобально объяснить свою модель https://cloud.google.com/bigquery-ml/docs/linear-regression-tutorial (5-7 шаги).
Доработка существующего продукта. Надо сдать зачет по аналитике данных в SQL Есть датасет, данные Телеком оператора о продажах и абонентах Нужно создать интерактивный блокнот в сервисе https://count.co (примеры визуализаций https://count.co/n/PjJDk5kz82C?vm=e), выявить и оформить инсайты (примеры и учебники: https://count.co/workspace/zFnp5jxXHMN/explore). Сохранить работу в pdf Далее в BigQuery на этом же датасете создать, обучить и оценить по метрикам качества модель машинного обучения используя SQL (зафиксировать и описать скриншоты); создать прогноз на новых данных (изменить тестовое множество и сохранить как новые данные). Объяснить результаты прогнозов и глобально объяснить свою модель https://cloud.google.com/bigquery-ml/docs/linear-regression-tutorial (5-7 шаги).
Разработка с нуля. В рамках экзамена по «Цифровым медиаиндустриям» нужно выбрать один сегмент российской медиаиндустрии (эфирное ТВ, неэфирное ТВ, радио, печатная пресса, онлайн-издания, производство телеконтента, кинематография и пр.) и написать обзорно-аналитический текст на следующую тему (вопрос) – «Влияние пандемии COVID-19 на(выбранный сегмент)». Текст должен содержать системный последовательный подбор сведений, освещающих заданный вопрос на примере выбранного сегмента (с вашей общей оценкой происходящего); перечисление аспектов развития выбранного сегмента, которые потенциально заслуживают научного исследования в текущих условиях (с вашим собственным пояснением). Общий объем текста: не мене 5000 знаков с пробелами. Ближайший жанр для примера – аналитическая записка. В вашем распоряжении любые открытые источники (публикации сетевых изданий, сайты различных компаний и организаций, органов власти и т.д.). В качестве материала подходят заявления/оценки/прогнозы медиаменджеров, представителей отраслевых ассоциаций, союзов и гильдий, государственных деятелей, медиаисследователей, профильных экспертов, журналистов и т.п. Прямое копирование и компиляция готовых фрагментов текста не допускается. Нужно отреферировать найденную по теме информацию и аналитически осмыслить ее. Все точные данные и прямые цитаты должны сопровождаться ссылкой на источник. Выполненное задание нужно прислать к 16:00 мск. 17.01.2022 на адрес: [Email скрыт]. Формат файла – *DO . О результатах сообщу всем индивидуально в ответном письме. Критерии оценки ответа: Демонстрация общего понимания вопроса (0-10) Разнообразие привлеченного материала (0-10) Наличие собственных суждений по теме (0-10) Обозначение перспектив научных исследований (0-10) Наличие оформленных цитат и ссылок на источники (0-5) Грамотное использование терминологии (0-5) Шкала итоговой оценки: 41-50 – «отлично 31-40 – «хорошо 21-30 – «удовлетворительно 0-20 – «неудовлетворительно».
Выполнение домашнего задания. Домашнее задание по курсу подготовки Data scientist. Задание: есть звук (45 сек.) с ним нужно выполнить следующие действия: 1) Напишите функцию, которая будет переводить вашу "матрицу" обратно в звуковой сигнал. Проверьте что все работает, путем воспроизведения восстановленного сигнала. 2) a) Выполните PCA преобразование над матрицей, и получите данные, сжатые в пространство меньшей размерности. Размерность к которую будете сживать выберете сами, но рекомендуется начать с 1/20 от parts_size b) Постройте сами главные компоненты в наглядной форме. Сделайте выводы исходя из их вида. c) Постройте scatter plot датасета в пространстве первых двух компонент, а третью используйте как цвет 3) a) Выполните обратное PCA преобразование сжатых данных и получите "матрицу" с сжатым звуком b) Преобразуйте "матрицу" в сигнал (одномерный массив), и послушайте результат. 4) a) Оберните получившийся код по сжатию звука в одну или несколько функций b) Проведите исследование того, как степень сжатия (соотношения размера частей, на которые делился сигнал в п. 4.1 к размеру пространства, в которое вы сжимали данные с помощью PCA) влияет на звук, по субъективным ощущениям. Начиная с какой степени сжания сильно слышится потеря качества? (как с учетом фильтрации с помощью gaussian_filter1d, так и без неё) ipynb файл: https://wdfiles.ru/88839e.
Доработка существующего продукта. По учебе необходимо выполнить задание: 1. Используя имеющийся датасет создать интерактивный блокнот в сервисе https://count.co, выявить и оформить инсайты. Сохранить работу в формате pdf. 2. В BigQuery на этом же датасете создать, обучить и оценить по метрикам качества модель машинного обучения используя SQL (зафиксировать и описать скриншоты); создать прогноз на новых данных (изменить тестовое множество и сохранить как новые данные). Объяснить результаты прогнозов и глобально объяснить свою модель https://cloud.google.com/bigquery-ml/docs/linear-regression-tutorial (5-7 шаги). Датасет и примеры работы будут высланы дополнительно.
Data Science. Разработка с нуля. Коллеги, добрый день! Необходимо написать программу для конвертации xml фидов в yml фиды и наоборот. Прототип предоставим. Основная логика следующая: Должен приниматься на вход xml файл, при этом часть атрибутов меняется в соответствии со стандартами yml. В зависимости от системы будут разные требования к атрибутам фида, соответственно и меняться будут разные. В качестве примера: Есть фид для google > https://yandex.ru/support/partnermarket/export/yml.html?from=email - тут пример yml. Отдельно необходимо понять сколько стоит конвертер. Дополнительно можно ли автоматизировать добавление или наоборот удаление и корректировку атрибутов. Если да, то сколько стоит. Цифра указана просто, чтобы указать, понятно, что сумма может быть значительно больше Пока цель скорее оценить трудозатраты и прикинуть стоимость. Спасибо!.
Data Science. Разработка с нуля, тестирование, настройка. Добрый день, мы ищем специалиста для создания и разработки базы данных по хранению и регулярному обновлению информации из гос баз данных по юр лицам (регистрация, ликвидация, суды, налоги). С понятным интерфейсом (что то вроде Спарк, но проще с юзер Френдли интерфейсом). Проект оцениваем до 4-6 мес.
Data Science. Data Science / ML / AI. Разработка с нуля, Обучение. Добрый день. Мне 32. Самостоятельно учусь на Джуна Python. На данный момент на начальном уровне. Ищу человека, который является действующим программистом и поможет проанализировать уровень знаний, а также скорректирует направление по дальнейшему изучению. Мой уровень знаний на данный момент: - ввод обработка и вывод данных; - понимание типов данный; - знание структур принятия решений и булевой логики; - понимание работы циклов; - знание принципа работы функций; Готов заниматься каждый вечер! Ищу специалиста, который также поможет разобраться с: - работой с файлами; - работой со списками; - словарями и множествами; - с графическим пользовательским интерфейсом; - SQL; - Git; Если вы внимательно ознакомились с данным запросом и собираетесь откликнуться, просьба в отклике написать словосочетание: 'Hello, Vlad!' Спасибо и хорошего дня!.
Data Science. Тестирование. Senior ML Engineer, Senior Data Scientist Венчурный фонд ищет экспертов в области AI/ML для периодического выполнения технологического due diligence (технической экспертизы) стартапов. Требования: 1. Опыт работы от 3 лет 2. Опыт построения различных моделей машинного обучения, подготовки данных для тренировки моделей. 3. Хорошо разбираетесь в Computer vision (CV) и Natural Language Processing (NLP). 4. Python (NumPy, SciPy, Pandas, SciKit-learn, OpenCV, Matplotlib, и.т.д.) 5. Опыт работы с ML фреймворками(Pytorch/Tensorflow/Keras/TensorRT и.т.д). 6. Опыт работы с различными источниками данных: SQL/NoSQL - PostgreSQL, MySQL, Cassandra, Hive, Presto, Kafka, и.т.д; 7. Уверенный пользователь OS Linux; Основные задачи: 1. Проектная периодическая работа с загрузкой на 1-3 дня при проведении технической экспертизы. 2. Анализ архитектуры, используемых технологий, code review. 3. Подготовка заключения о выявленных недостатках в технологии решения, процессе организации разработки.
Data Science. Доработка существующего продукта. Https://www.kaggle.com/c/python-and-analyze-data-final-project/overview Увидел следующий заказ на другом сайте: https://freelancehunt.ru/project/pomosch-po-zadaniyu-python/707470.html Как я понимаю, Вы выполняли данную работу. Мне необходимо сдать это в виде лабораторной работы в colab с дальнейшей выгрузкой в kaggle. Скажу сразу - в нейронных сетях и машинном обучении понимаю целое ничего, сам пишу на Java, работаю backend-разработчиком. Подскажите, возможно ли купить файл с решением и дополнительными комментариями по нему?.
Data Science. Разработка с нуля. Требуется разработать решение (предположительно на основе google data studio) для сбора и визуализации бизнес показателей в производственной компании. На текущий момент в компании применяются: 1. Битрикс24 2. 1С КА2 3. Roistat 4. Подбирается ERP система Необходимо сводить данные в одной базе и отображать в виде разнообразных графиков и диаграмм. + требуется совместное написание ТЗ.
Доработка существующего продукта, тестирование. Разработка модели вероятности дефолта (PD) на основе статистических данных в эксель. Данные есть, надо их объединить и автоматизировать.
Data Science. Доработка существующего продукта. Программа работает с картами без привязки, строится маршрут и рассчитываются данные по формулам нужно доработать.
Разработка с нуля. Есть одна задачка, сейчас опишу смысл, а вы мне скажите сможете ли помочь с реализацией. У меня есть данные такого типа файл1 https://dropmefiles.com/JOS9w 1INCHDOWNUSDT - валютная пара 1Покупать - рейтинг технических индикаторов временного интрвала 1 минута 5Покупать - рейтинг технических индикаторов временного интрвала 5 минут 15Покупать - рейтинг технических индикаторов временного интрвала 15 минут 30Продавать 60Нейтрально 120Продавать 240Продавать 1DПродавать - рейтинг технических индикаторов временного интервала 1 день это данные рейтинга индикаторов технического анализа с графика биржи криптовалют по всем валютам и по всем временным интервалам (далее таймфрейм) мне нужно на основе этих данных найти взаимосвязи того как меняются эти рейтинги найти паттерны, например какой набор рейтингов (неважно по всем временным интервалам или в части временных интервалов), с высокой долей вероятности приведёт к другому определённому набору рейтингов в определённый отрезок времени Есть определённое кол-во всех существующих комбинаций рейтингов и тайфреймов Комбинации таймфреймов файл2 https://dropmefiles.com/JOS9w По всем комбинациям таймфреймов нужно найти все возможные комбинации рейтингов Эти данные нужно проанализировать и найти взаимосвязи такого типа рейтинг 15м активно продавать 1ч продавать меняется на 15м нейтрально 1 час продавать в 60% случаев в следующие 10 минут поменяется на 15 минут продавать 1 час продавать и в 40% случаев в следующие 10 минут поменяется на 15 минут покупать 1 час продавать Суть в том, чтобы найти что бывает чаще всего и после чего в определённом временном интервале.
Data Science. Вернуть удалённые фотографии без пк. Из недавно удалённых фотографий удалились фотографии их надо вернуть из резервной копии на айфон Ноутбук есть.
Data Science. Разработка с нуля, доработка существующего продукта. Необходимо сделать возможность выгрузки большого объема данных (400 000 строк+) для построения отчетности. Можете предложить свое решение проблемы.
Data Science. Визуализация данных в Tableau, Python. Есть датасет, построить по нему интерактивный график в Tableau. Освоить визуализацию и анализ данных.
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 — 214 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 214 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