Data Science. Разработка с нуля. Подготовка и обработка данных в Excel • Работа с Power Query: • очистка данных • приведение типов • нормализация структуры • объединение и фильтрация таблиц • Подготовка Excel-файлов для корректной загрузки в SQL • Работа с именованными таблицами (Named Tables) и запросами (Queries) Проектирование структуры SQL Database • Анализ целевой структуры БД • Создание таблиц в SQL Database • Настройка первичных и внешних ключей • Проверка соответствия Excel - SQL (типы данных, nullable, ограничения) Автоматизация через Power Automate Desktop (PAD) • Создание Power Automate Desktop flows • Чтение данных из Excel (локально или через OneDrive/SharePoint) • Логика: • инкрементальной загрузки • полной перезагрузки • обработки ошибок • Логирование выполнения Использование скриптов и дополнительных инструментов (по необходимости) • SQL-скрипты (INSERT / MERGE / UPSERT) • Python: • pandas / pyodbc / sqlalchemy • подготовка и валидация данных • Shell / PowerShell (если требуется) • Azure Data Factory: • настройка pipeline • linked services • integration runtime Тестирование и документация • Проверка корректности миграции • Сверка данных Excel - SQL • Краткая документация: • описание пайплайна • инструкции по запуску • рекомендации по масштабированию.
Data Science. Доработка существующего продукта. Здравствуйте. Возникла проблема. Никак не получается запустить продукт, построенный в VS. Программа ругается на root. Т.е. корневой пароль продукта не совпадает с паролем БД, хотя по сути всё иначе. Помогите разобраться! Желательно онлайн провести диагностику программы и объяснить что да как работает.
Data Science. Разработка с нуля. Нужен Backend/Search Engineer для улучшения поиска по туристическому контенту (места/события/маршруты) + отдельно/дополнительно LLM (RAG) Engineer для внедрения контекстного (семантического) поиска на OpenAI с векторной базой и re-ranking.
С точки зрения информационных систем и технологий, будет написана научная статья об использовании искусственного интеллекта для снижения энергозатрат, которая будет соответствовать стандартам журнала ВAK и пригодна для публикации.
Разработка с нуля. Нужно из существующих данных собрать все в единый формат чтобы это было информативно и были показаны ключевые показатели за год , как была проделана работа.
Data Science. Разработка с нуля. Генерация изображений 1. Выбрать открытую диффузионную модель для генерации изображений по тексту, которая использует эмбеддинги текста на основе CLIP ( StableDiffusion v1.5). 2. Заменить CLIP эмбеддинг текста на другую версию CLIP, BLIP эмбеддинг и еще один эмбеддинг на выбор. 3. Сгенерировать изображения по одному и тому же промпту для трех видов эмбеддингов. Попробовать 5 промптов разной 4. Оценить результаты по 5 метрикам качества генерации изображений, обосновать выбор метрик. 5. Добавить полносвязный адаптер, чтобы приблизить ваши эмбеддинги к CLIP пространству. 6. Обучить адаптер на небольшом наборе пар (текст, эмбеддинг CLIP ). 7. Оценить полученный результат аналогично шагу 4 и сформулировать вывод. Рекомендуется использовать Pytorch и библиотеку diffusers.
Data Science. Разработка с нуля. Трансформеры 1. Выбрать архитектуру модели с использованием разреженного внимания (LongFormer или BigBird), реализовать самостоятельно разреженное внимание для этой модели. 2. Обучить реализованную модель на небольшом датасете (например, tiny_shakespire) 3. Обучить модель с полным вниманием с тем же количеством параметров на этом же датасете 4. Сравнить на разной длине вывода (например, 128, 256, 512 токенов) качество генерации (например, по перплексии), количество используемой памяти и время на генерацию токенов для этих 2 моделей.
Data Science. Настройка. ТЗ: Создание персональной RAG-системы для анализа большого архива текстов Кратко о проекте: Нужно создать персональную систему на основе RAG (Retrieval-Augmented Generation) для работы с моим архивом исследовательских текстов. Система должна позволять задавать вопросы на естественном языке и получать точные ответы, основанные исключительно на содержимом моих документов, без необходимости их ручной загрузки для каждого запроса. 1. Детальное описание проблемы (бэкграунд) У меня есть собрание авторских текстов (статьи) общим объёмом от 10 000 до 100 000+ слов. В настоящее время я пытаюсь работать с ними через чат DeepSeek, что приводит к следующим проблемам: • Невозможность работы со всем архивом: Лимит контекста чата не позволяет загружать все тексты одновременно. • Ненадёжность ссылок: Публикация текстов в откытых ресурсах и попытка загрузки по ссылкам приводит к искажениям и неполной передаче текста. • Непрактичность ручной загрузки: Копировать большие тексты вручную для каждого нового диалога — нереалистично. Цель: Преодолеть эти ограничения, перенести работу в специализированную систему, где весь архив будет проиндексирован и доступен для интеллектуального поиска. 2. Что нужно сделать (Конкретные задачи) Исполнителю необходимо разработать и развернуть рабочее решение, которое включает: 1. Загрузку и индексацию архива: o Приём предоставленных текстовых файлов (форматы: .txt, .pdf, .docx). o Настройку процесса разбивки текстов на оптимальные фрагменты (chunking) с учётом смысловой целостности. o Преобразование текстов в векторные эмбеддинги и сохранение в векторную базу данных. 2. Разработку ядра RAG-системы: o Создание модуля, который по текстовому запросу пользователя находит в векторной БД наиболее релевантные фрагменты из всего архива. o Интеграцию языковой модели (DeepSeek через официальный API) для генерации ответов на основе найденных фрагментов. o Настройка промта (инструкции) для LLM, чтобы ответы были точными, ссылались на исходные тексты и избегали «галлюцинаций». Т.З. писал ИИ. Могу в чем то ошибаться, но суть вопроса, надеюсь раскрыл.
Разработка с нуля, Читайте дополнительную информацию. Пожелания и особенности: Требования: 1. Опыт разработки и обоснования количественных методологий в финансах, инвестициях или финтех-проектах; 2. Глубокое понимание инвестиционных метрик, риска, доходности и устойчивости результатов; 3. Способность формализовать аналитическую логику в виде моделей, расчётных правил и допущений; 4. Опыт работы с финансовыми данными, включая их очистку, нормализацию и статистическую обработку; 5. Опыт применения алгоритмических и ИИ-подходов для автоматизации расчётов, снижения вероятности ошибок и исключения ручных корректировок; 6. Владение Python и аналитическими библиотеками для реализации расчётных и аналитических моделей; 7. Умение ясно и структурированно объяснять методологию, логику расчётов и ограничения моделей; 8. Опыт взаимодействия с разработчиками и подготовки формализованных требований для внедрения аналитики в программное обеспечение. Условия: 1. Проектная занятость; 2. Оплата по договоренности; 3. Возможно взаимодействия на долгосрочной основе, если кандидат соответствует требованиям и потребностям работодателя. Если вас заинтересовала вакансия, ожидаем обратную связь по соответствию нашим требования и информацию по опыту работы (резюме/CV).
Разработка с нуля. Пожелания и особенности: Требования: 1. Опыт разработки и обоснования количественных методологий в финансах, инвестициях или финтех-проектах; 2. Глубокое понимание инвестиционных метрик, риска, доходности и устойчивости результатов; 3. Способность формализовать аналитическую логику в виде моделей, расчётных правил и допущений; 4. Опыт работы с финансовыми данными, включая их очистку, нормализацию и статистическую обработку; 5. Опыт применения алгоритмических и ИИ-подходов для автоматизации расчётов, снижения вероятности ошибок и исключения ручных корректировок; 6. Владение Python и аналитическими библиотеками для реализации расчётных и аналитических моделей; 7. Умение ясно и структурированно объяснять методологию, логику расчётов и ограничения моделей; 8. Опыт взаимодействия с разработчиками и подготовки формализованных требований для внедрения аналитики в программное обеспечение.
Разработка с нуля. Пожелания и особенности: Разработка и обоснование количественных методологий в финансах, инвестициях или финтех-проектах; Глубокое понимание инвестиционных метрик, риска, доходности и устойчивости результатов; Способность формализовать аналитическую логику в виде моделей, расчётных правил и допущений; Работа с финансовыми данными, включая их очистку, нормализацию и статистическую обработку; Применение алгоритмических и ИИ-подходов для автоматизации расчётов, снижения вероятности ошибок и исключения ручных корректировок; Владение Python и аналитическими библиотеками для реализации расчётных и аналитических моделей; Ясно и структурированно объяснять методологию, логику расчётов и ограничения моделей; Взаимодействия с разработчиками и подготовки формализованных требований для внедрения аналитики в программное обеспечение.
Читайте описание. Пожелания и особенности: Разработка и обоснование количественных методологий в финансах, инвестициях или финтех-проектах; Глубокое понимание инвестиционных метрик, риска, доходности и устойчивости результатов; Способность формализовать аналитическую логику в виде моделей, расчётных правил и допущений; Работа с финансовыми данными, включая их очистку, нормализацию и статистическую обработку; Применение алгоритмических и ИИ-подходов для автоматизации расчётов, снижения вероятности ошибок и исключения ручных корректировок; Владение Python и аналитическими библиотеками для реализации расчётных и аналитических моделей; Ясно и структурированно объяснять методологию, логику расчётов и ограничения моделей; Взаимодействие с разработчиками и подготовки формализованных требований для внедрения аналитики в программное обеспечение.
Разработка с нуля, Подробности в описании. Пожелания и особенности: Требования и условия направлю в переписке, если вы способны выполнить задачу и ваш опыт вызывает интерес (смотрю на отзывы, описание и резюме). Задача: Разработка и формализация количественной методологии оценки инвесторов и стратегий, включая определение метрик, расчётных правил и допущений. Работа с финансовыми данными: очистка, нормализация и анализ. Использование алгоритмических и ИИ-подходов для автоматизации расчётов, снижения ошибок и исключения ручных корректировок. Подготовка требований и сопровождение внедрения аналитики в программное обеспечение совместно с командой разработки.
Data Science. Разработка с нуля. Есть договор, заявление а word, В него переносят данные с документов PDF, jpeg, разного качетсва- ФИО, данные об автомобиле и тд. Возможно ли написать программу, через Python или ИИ, чтобы данные из документов подтягивались в word.
Data Science. Доработка существующего продукта. Был реализован проект подрядом по внедрению Visiology BI, требуются доработки и небольшие переработки для того чтобы были верные показали. Предоставляем удаленный доступ и описываем задачу для оценки.
Формирование базы контактов по конкретным критериям. Формирование базы под конкретные критерии: определенные категории товаров/оборот/среднее количество заказов и т.д. Боем базы в месяц -10000 контактов.
Консультация. Пожелания и особенности: Нужно разработать приложение для диплома. Хочу проконсультироваться по алгоритму и по данным. Алгоритм связан с multi armed bandit.
Data Science. Разработка с нуля. У нас есть сеть ресторанов. Сейчас хотим запустить быстрый пилот на одной точке, чтобы проверить гипотезу использования Computer Vision для контроля качества сборки и сервировки блюд. Идея MVP: ? Камера установлена в зоне выдачи блюд. ? Система делает фото готового блюда. ? Сравнивает блюдо с эталонным изображением. ? Проверяет: o соответствие визуальному эталону; o наличие и количество ключевых ингредиентов. ? Выдаёт результат. Проект с нуля, готовой системы нет. На старте — 3 блюда из меню, далее планируется расширение.
Data Science. Доработка существующего продукта. Пожелания и особенности: Нужно доработать уже имеющийся код на python. Суть сбор данных с сайтов, обработка информации и сбор данных в Гугл таблице. Интергрирование телеграм бота, с помощью него выполняются некоторые функции. Доработки не существенные, основная часть проекта уже выполнена.
Аналитик клиентской базы в оптику. Пожелания и особенности: Ищу аналитика для работы с клиентской базой сети салонов оптики. Задача — анализировать данные клиентов, находить точки роста и помогать увеличивать повторные продажи.
Разработка с нуля. О проекте Реализуется экспертно-аналитическое исследование (ЭАИ), направленное на разработку предложений по совершенствованию законодательства Российской Федерации в сфере адаптивной физической культуры и адаптивного спорта, физической реабилитации и абилитации инвалидов, спорта инвалидов, с учетом федерального, регионального и зарубежного опыта. Результаты исследования предполагается использовать в нормотворческой деятельности Государственной Думы. Основные задачи 1. Анализ законодательства и стратегических документов Анализ федерального законодательства РФ (в т.ч. № 329-ФЗ, № 181-ФЗ); Анализ документов стратегического планирования в сфере адаптивной физической культуры, спорта, реабилитации и абилитации инвалидов; Оценка соответствия действующего нормативного регулирования целям государственной политики; Анализ регионального опыта нормативного правового регулирования (все субъекты РФ). 2. Анализ деятельности организаций протезирования и ортезирования Анализ нормативного регулирования деятельности таких организаций; Анализ организационно-правовых форм; Анализ кадрового обеспечения; Анализ материально-технического оснащения. 3. Анализ зарубежного опыта Анализ нормативного регулирования в не менее чем 5 зарубежных странах; Выявление успешных зарубежных практик; Подготовка предложений по адаптации зарубежного опыта в РФ. 4. Разработка рекомендаций Подготовка предложений по совершенствованию законодательства РФ; Разработка предложений по уточнению понятийного аппарата; Формирование предложений по полномочиям субъектов физической культуры и спорта; Разработка предложений по единым требованиям к кадровому и материально-техническому обеспечению организаций протезирования и ортезирования; Подготовка предложений по ведению реестра таких организаций. 5. Подготовка результатов ЭАИ Итоговый аналитический отчет (не менее 10 авторских листов); Аннотация отчета; Презентация результатов (не менее 10 слайдов); Экспертно-консультационное сопровождение результатов в течение 2 лет.
Data Science. Разработка с нуля. Пожелания и особенности: Краткое содержание: Нужна некая программа по автоматическому формированию документа pdf по заданному алгоритму с привлечением ИИ. ИИ должен распознавать документы и фотоматериалы, парсить интернет-агрегаторы для извлечения определенных данных из объявлений (без номеров тел.). Далее все эти данные(документы, фотоматериалы, параметры объявлений) подставляются в соответствующие графы, таблицы, формулы и т.д. по заданному алгоритму и создаётся(выгружается) итоговый документ в формате pdf + word. Примерно так. Все подробности в лс.
Разработка с нуля. Пожелания и особенности: Анализ документов и публичных материалов ~270 московских школ для исследования установок к GenAI Входные данные: • Список школ, разделенных на 16 категорий по 4 характеристикам • Публичные источники школ • Характерные теги для типов Задачи: 1. Анализ документов/сайтов : теггирование материалов на типы установок (запретительный/выжидательный/интеграционный) с PolyAnalyst или другой программы 2. Категоризация: матрица (Excel) 16 категорий (укажу характеристики) и типы установок. 3. Корреляционный анализ (SPSS/R): факторы vs. тип установки; топ-факторы. 4. Выборка 60 школ для этапа анкетирования (наиболее ярко выраженные типы ). Подробнее сможем обсудить в чате.
Разработка ПО. Data Science. Разработка с нуля. Нужнo нaписать пpoграмму, кoторая aвтоматичeски coберёт все oтзывы о кoмпаниях из интернeта. На входe у нас списoк фирм с их ИНН, нaзваниями и кoнтактами. Пpoграмма дoлжна сaма нaйти кaждую кoмпанию нa Яндeкс Кaртах, 2ГИC, Oтзовике и дpугих плoщадках с oтзывaми, coбрать oттуда oбщие peйтинги и кaждый oтдельный oтзыв — eго текст, oценку, дaту и cсылку. Всё этo нужнo аккуратно упaковать в eдиную Excel-тaблицу для дaльнейшего aнализа. Глaвная слoжность в том, чтобы cделать это мaссово, нaдёжно и бeз блокировoк со стoроны сaйтов.
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 апрель 2026 года — 104 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 апрель 2026 года опубликовано 104 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