Data Science. Настройка, разработка с нуля, доработка существующего продукта. Нужно разработать систему календарного планирования для учебного проекта. Есть условно какое то предприятие А и у него есть какой нибудь производственный сектор, где разрабатывается деталь А, Б итд. Нужно исходя из данных, которые у меня имеются настроить нейронную сеть или запарсить данные и использовать какие-то статические методы (реализация может быть разной) так, чтобы можно было: 1. Прогнозировать нехватку материалов У нас есть данные расхода материалов для каждой операции и сколько материалов у нас находится на складе. 2. Оптимизировать загрузку оборудования У нас есть данные об оборудовании, о том находится оно на ремонте или нет, есть альтернативное оборудование 3. Определить узкие места в производстве ( этапы, где чаще всего возникают задержки из за нехватки материалов, поломки оборудования ) 4. Прогнозировать сроки выполнения определенного заказа с учетом имеющихся материалов ( у нас есть данные поставок ).
Data Science. Разработка с нуля. Здравствуйте, нужно спарсить сервер server.boltgaming.io (данный сервер, является сервером игрового рынка игры standoff2) сделать так, чтобы код отслеживал изменения на этом рынке и если на указанном скине (ввод id скина) количество наклеек будет равным 4, а так же не превышает указанную стоимость за скин, программа посылает запрос на его покупку Есть 2 способа обработки запросов на сервер 1. Сокет, .со файл который работает внутри эмулятора андроид 2. Хостовой, работа с токеном аккаунта и через токен происходит подключение.
Data Science. Дешифрование данных после хакерской атаки. Информация на сервере зашифрована вирусом-вымогателем babun. Нужна помощь с очисткой от вируса и расшифровкой данных Сервера ESXI 8.0 60Tb на трех СХД по 20ТБ севрера в ЦОД на Авиамоторной 69 20 виртуальных серверов windows и unix https://disk.yandex.ru/d/tZIqrRU7UtBTpA ссылка на зашифрованный файл.
Data Science. Разработка с нуля. Требуется разработчик для создания системы автоматического поиска названий автозапчастей по артикулу Мы ищем специалиста (или команду) для разработки приложения или веб-сервиса, которое автоматически подставляет названия автозапчастей в Excel-файл на основе артикулов. Основная задача: Пользователь загружает Excel-файл с перечнем артикулов. Система автоматически ищет названия запчастей в интернете (по различным базам данных, онлайн-магазинам, каталогам). Названия запчастей автоматически проставляются в том же файле Excel напротив соответствующих артикулов. Готовый файл можно скачать. Требования к разработчику: Опыт в разработке автоматизированных систем обработки данных. Знание API онлайн-магазинов и методов парсинга данных. Умение работать с Excel (чтение, редактирование файлов). Опыт работы с базами данных (если потребуется кеширование информации). Дополнительно: Формат реализации: десктопное приложение / веб-сервис – обсуждается. Возможность доработки проекта в будущем. Оплата – по договоренности. Если у вас есть опыт в подобных проектах, присылайте примеры работ и предложения по реализации! 📩 [Email скрыт]. Пожелания и особенности: Требуется разработчик для создания системы автоматического поиска названий автозапчастей по артикулу Мы ищем специалиста (или команду) для разработки приложения или веб-сервиса, которое автоматически подставляет названия автозапчастей в Excel-файл на основе артикулов. Основная задача: Пользователь загружает Excel-файл с перечнем артикулов. Система автоматически ищет названия запчастей в интернете (по различным базам данных, онлайн-магазинам, каталогам). Названия запчастей автоматически проставляются в том же файле Excel напротив соответствующих артикулов. Готовый файл можно скачать. Требования к разработчику: Опыт в разработке автоматизированных систем обработки данных. Знание API онлайн-магазинов и методов парсинга данных. Умение работать с Excel (чтение, редактирование файлов). Опыт работы с базами данных (если потребуется кеширование информации). Дополнительно: Формат реализации: десктопное приложение / веб-сервис – обсуждается. Возможность доработки проекта в будущем. Оплата – по договоренности. Если у вас есть опыт в подобных проектах, присылайте примеры работ и предложения по реализации! 📩 [Email скрыт]
Data Science. Доработка существующего продукта. Нужна сводная таблица для производства. Пример есть, нужно до работать и до ума внести Оплата по договоренности.
Data Science. Разработка с нуля, настройка, тестирование. Существует собственная база новостроек Excel, приобретаются выгрузки специализированных агрегаторов по объектам на рынке, есть собственные расчетные надбавки и коэффициенты. Как итог необходимо предоставлять аналитический отчет по форме заказчика, с возможностью печати бумажной копии. Необходимо спроектировать DWH, развернуть на архитектуре заказчика, настроить загрузку источников, настроить триггеры на проверку ошибок и неточностей, настроить типовой отчет. BI - система на выбор исполнителя. Необходим проект реализации, исполнительная документация, руководство. Форма оплаты любая.
Data Science. Доработка существующего продукта. Конвертация кода с PyTorch на Tensorflow Lite, перед тем как сделать конвертацию в ONNX обратите внимание на файлы C++ которые нужно скомпилировать для удачной трассировки.
Data Science. Доработка существующего продукта. Https://github.com/vn322/Cod_future/blob/main/combat/DBabsRB2022.ipynb в последней ячейке после пытки связать две таблицы, при добавлении данных получал ошибку.
Разработка с нуля. Пожелания и особенности: Составьте отчет (в word/pdf), в котором опишите анализ исходных данных, выявленные взаимосвязи между переменными и обоснование ваших гипотез с помощью полученных в Orange визуализаций. Решение (отчет, ваш сценарий - workflow) в Orange и файл данных (только если вы его редактировали)) выложите на гугл диск. Также есть возможность делать работу в Python, если знаете синтаксис. Отчет word/pdf в этом случае все-равно нужно выполнить. (Задание я пришлю отдельно, по которому надо составить этот отчет).
Data Science. Разработка с нуля. Пожелания и особенности: Привет! Хочу автоматизировать поиск в Яндекс. На вход подаем строки с ФИО и датой рождения. Хотим получить обогащенный файл на выходе - напротив каждого ФИО чтобы было описание персоны, при наличии в поисковой системе. В перспективе проект должен позволять искать и в других ПС, а также использовать технологии AI для обобщения и верификации полученных данных.
Data Science. Настройка, разработка с нуля. Создание ии которое будет искать уязвимости в системе. Создание ии которое будет искать уязвимости в системе
Решение домашнего задания (учеба). Неявка пациентов на приёмы к врачу является важной проблемой в здравоохранении, так как это снижает эффективность работы и увеличивает затраты медицинских учреждений. В этом проекте мы будем работать с набором данных из Kaggle, чтобы найти зависимости между характеристиками пациентов (например, возрастом, наличием хронических заболеваний, социальными льготами и т. д.) и их вероятностью прийти на приём. Для анализа результатов и отслеживания всех экспериментов будет использована платформа Comet ML, которая поможет сделать эксперименты понятными и воспроизводимыми. Итоги проекта могут помочь лучше организовывать медицинские приёмы и снизить количество неявок. Что нужно сделать Визуализируйте параметры числового анализа с помощью scatter matrix: выберите 7 числовых признаков из вашего набора данных и сохраните их в переменной numeric_data; для визуализации их взаимосвязей используйте scatter matrix (параллельное сравнение числовой информации с диагональными распределениями); укажите значение корреляций между параметрами на графике (например, добавьте подписи с корреляцией на перестроении диагональных plot'ов); залогируйте график scatter matrix в Comet ML для отображения наглядных связей параметров. Сделайте краткий числовой анализ: для каждого из выбранных параметров напишите базовые статистические метрики (mean, median, std, min/max), фиксируя выводы; используя результаты числовых обобщений, прокомментируйте, где информация выдает ощутимые зависимости динамических задержек корреляции на группы. Сделайте анализ сильных связей между параметрами: найдите две пары признаков, которые имеют самую сильную положительную корреляцию (например, выше 0.8), и постройте отдельный scatter plot для каждой из этих пар; найдите пару признаков с самой сильной отрицательной корреляцией (например, ниже -0.5), и постройте scatter plot для этой пары; на каждом графике добавьте линию тренда (регрессионную линию), чтобы подчеркнуть зависимость. Проведите логирование в Comet ML: логируйте scatter matrix, результаты базовых статистических метрик и созданные scatter plots с линиями тренда в Comet ML для полноты эксперимента; не забудьте добавить заголовки к графикам (например, "Scatter Matrix for Selected Features" или "Correlation Analysis for Feature Pair: X & Y"). Подготовьте текстовый вывод информации. Напишите небольшое текстовое заключение: Какие признаки имеют наиболее сильные взаимные зависимости (положительные и отрицательные)? Есть ли выбросы или паттерны, которые требуют внимания? Какие данные могут быть полезными для дальнейшей обработки или улучшения модели? Залогируйте это текстовое заключение в Comet ML как часть вашего эксперимента (например, с помощью метода log_parameter()). Для построения scatter matrix можно использовать pandas.plotting.scatter_matrix или библиотеку seaborn.pairplot. Для расчета корреляций используется метод .corr() из pandas. Для логирования в Comet ML используйте experiment.log_figure() для графиков и experiment.log_text() или experiment.log_metric() для текстовых выводов.
Data Science. Разработка с нуля, настройка, доработка существующего продукта, Написание кода для выгрузки по API с маркетплейсов ВБ, ОЗОН, ЯМ по их документации. Необходимо сформировать код-скрипт в Google sheets в расширении apps script, по которому через API-ключ с маркетплейсов ВБ/ОЗОН/ЯМ будут выгружаться необходимые отчёты(всё есть в документации API WB/OZON/ЯМ) Есть примеры уже работающих кодов, которые необходимо немного отредактировать, изменить условия внутри кода Работа по ТЗ, по конкретному заказу, заказов будет много. Пожелания и особенности: Необходимо сформировать код-скрипт в Google sheets в расширении apps script, по которому через API-ключ с маркетплейсов ВБ/ОЗОН/ЯМ будут выгружаться необходимые отчёты(всё есть в документации API WB/OZON/ЯМ) Есть примеры уже работающих кодов, которые необходимо немного отредактировать, изменить условия внутри кода Работа по ТЗ, по конкретному заказу, заказов будет много.
Data Science. Разработка с нуля. Мне необходимо составить финансовую табличку по учету трат с разными валютами в одном столбике, в соседнем автоматическая конвертация в евро согласно курсу на день.
Разработка с нуля, доработка существующего продукта, настройка. Neuron — первая социальная сеть, объединяющая генеративные ИИ-модели для автоматизации создания и редактирования цифрового контента. Мы интегрируем множество моделей с открытым исходным кодом, предоставляя пользователям возможность работать с текстом, изображениями, аудио и видео в одном интерфейсе и в режиме реального времени. Сейчас мы ищем Machine Learning Engineer / Data Scientist, который поможет нам разрабатывать и оптимизировать ИИ-модели для генерации контента, повышать их качество и эффективность. Что нужно делать: Разрабатывать, дообучать и оптимизировать генеративные модели ИИ (LLM, Diffusion, GAN, Transformer). Интегрировать и тестировать модели с открытым исходным кодом в экосистеме Neuron. Работать над улучшением производительности, точности и качества генерации контента (тексты, изображения, аудио, видео). Разрабатывать системы оценки и валидации результатов работы моделей. Оптимизировать работу моделей для их быстрого развертывания и масштабирования. Работать с API, базами данных, pipeline-ами для обработки данных. Что мы ожидаем: Опыт работы с Python, PyTorch, TensorFlow, JAX от 2 лет. Глубокое понимание методов машинного обучения, включая LLM, Diffusion Models, GAN, Transformer. Опыт работы с Hugging Face, OpenAI API, Stable Diffusion, Whisper. Навыки оптимизации моделей (квантизация, sparsity, distillation). Знание основ MLOps: Docker, Kubernetes, CI/CD для развертывания моделей. Опыт работы с базами данных (SQL, NoSQL) и Data Engineering pipeline-ами. Будет плюсом: опыт работы с мультимодальными моделями, RLHF, Federated Learning.
Data Science. Разработка с нуля. Смоделируйте процесс авторизации пользователя на веб-приложении с использованием UML Sequence Diagram. Процесс должен учитывать следующие шаги: Пользователь вводит логин и пароль на форме входа. Форма входа отправляет данные на сервер для проверки. Сервер проверяет логин и пароль в базе данных. Если данные корректны, сервер создаёт сессию и возвращает успешный ответ. Если данные некорректны, сервер возвращает сообщение об ошибке. Форма входа отображает результат авторизации пользователю. Участники диаграммы (Actors): User (Пользователь) Login Form (Форма входа) Server (Сервер) Database (База данных) Требования к UML Sequence Diagram: Покажите взаимодействия между участниками с использованием Messages, Lifelines и Activation Bars. Отразите альтернативный сценарий на случай ошибки при авторизации. Используйте alt фрейм для ветвлений (успешная авторизация / ошибка). https://app.diagrams.net/ Диаграмму последовательности, нужно обрисовывать, используя ссылку выше.
Доработка существующего продукта. Добрый день. Нужно доработать проект по Data Science в кратчайшие сроки и помощь при сдаче (после проверки ревьюером сделать необходимые правки). Проект условно готов, а условно нет. Нужно до разобраться с графиками, сделать их более человеческими (с некоторыми есть проблема), сделать корреляционную матрицу. Все графики в (работаем в jupyter notebook) ячейках markdown описать и сделать мини выводы. Так же до рихтовать выводы каждого этапа И подкорректировать код с обучением моделей, их сравнением и получением лучшей модели. Вот в финальной части прям проблема. Проект и необходимые датафреймы пришлю лично, после обсуждения Опыт работы с проектами яндекса будет огромным преимуществом Дата окончания первой интеракции для отправки ревьюеру обсуждаемо. Весь проект край нужно сдать 20-21го числа (уже с корректировками после замечаний ревьюера, то есть уже финальный вариант, который зачтут).
Разработка с нуля, Помощь с изучением фреймворка. Мне необходимо научиться работать с фрейморком PyFlink с нуля. Пока что смогла научиться писать простейшую задачу по обработке строки с данными. Далее надо обработать данные, поступающие из топика Kafka, здесь у меня уже возникли сложности и нужна помощь. Возможно, даже подойдет помощь специалиста, никогда не работавшего с PyFlink, так как это редкий фреймворк, но с опытом в сфере больших данных.
Настройка. Создание таблиц и шаблонов (в т.ч. для автоматизации повторяющихся задач) Консолидация информации из разных источников (ручной ввод, загрузка из других систем) Проведение расчетов и построение прогнозов Генерация отчётов с ключевыми показателями Построение диаграмм, дашбордов и сводных таблиц для удобного анализа и презентации данных.
Data Science. Разработка с нуля. Работа с ворд и Эксель, нужен скрипт или программа что бы переносить данные из эксель в ворд файл, нужно что бы переносились определенные ячейки (выделил зеленым) где столбец кпд горит красным (превышает значение 0.80) в определенные места в ворде (выделил зелёным).
Разработка с нуля. Нужно с помощью парсинга собрать в интернете необходимые данные для последующего анализа. Нужно с помощью парсинга собрать в интернете необходимые данные для последующего анализа
Data Science. Разработка с нуля. Пожелания и особенности: Добрый день, необходимо внедрить технологии ИИ в бизнес процессы нашей компании. Компания Блокспб занимаем продажей строительных материалов на рынке Санкт-Петербурга. Основные каналы продаж: 1. В2С 2. Маркетплейсы E-com 3. B2B Какие процессы хотим автоматизировать: 1. Поиск кадров 2. Закупки 3. Обучение 4. Контроль работы менеджеров отдела продаж 5. Работа с маркетплейсами (отзывы/вопросы, контроль цен, генерации контента и описания и т.д.) 6. Другие процессы Мы ищем специалистов, которые имеют успешные кейсы по внедрению ИИ технологий в торгующие организации, готовы обсуждать каждый проект отдельно. Мы работаем в: 1. Битрикс 24 2. 1С УТ 10.3.
Data Science. Разработка с нуля. Разработка ИИ для отделов продаж по ТЗ компании, Например: Обработка входящего потока лидов, и консультирование Поиск подходящего товара и остатка по складу Рассылка и Звонки клиентам с предложением и корректировкой речи Интеграция с Crm и отработка по воронкам с комментариями.
Разработка с нуля. 4. Содержание работы 4.1. Программная реализация нейронной сети для аппроксимации временных рядов теплопотребления с использованием современных архитектур (LSTM, GRU или других). 4.2. Предварительная обработка данных теплопотребления многоэтажных жилых зданий города, включающая очистку данных, исключение пропусков и анализ зависимостей от метеорологических факторов. 4.3. Определение и вычисление метрик качества аппроксимации рядов. 4.4. Сравнение разработанной модели с существующими методами динамики теплопотребления, включая статистические методы и модели машинного обучения.
Data Science. Разработка с нуля, тестирование, настройка, доработка существующего продукта. Нужен специалист по парсингу сайтов, способный комплексно закрыть все задачи по сбору и актуализации данных. Предстоит работать с сайта крупных интернет-магазинов и локальных поставщиков строительных материалов в нескольких регионах. Это **проектная** (part-time) позиция, требующая периодического вовлечения: от нескольких часов в неделю в спокойном режиме до более интенсивной занятости в пиковые периоды. ### **Задачи 1. **Парсинг новых товаров с сайтов поставщиков** - Организация регулярного мониторинга сайтов нескольких поставщиков (5–7 на регион, 2 региона, в перспективе — расширение географии). - Сбор данных о новых товарах и их свойств. - Настройка автоматизированного процесса, позволяющего быстро добавлять новые сайты и форматы данных. 2. **Регулярный парсинг для получения актуальных цен и остатков** - Настройка стабильного решения для регулярного сбора данных об актуальных ценах и наличии товаров. - Поддержка и оптимизация существующих скриптов и инфраструктуры. - Обеспечение устойчивости к возможным блокировкам и различным уровням защиты сайтов (CAPTCHA, запреты парсинга и т.д.). 3. **Оптимизация и аудит текущего процесса** - В команде уже используются прокси и есть действующая система обхода защит. Необходимо оценить её эффективность и предложить доработки при необходимости. - Анализ и улучшение использования нейросетевых сервисов (например, ChatGPT API) для автоматической обработки, классификации или извлечения дополнительных сведений о товарах. 4. **Взаимодействие с командой** - Сотрудничество с бэкенд-разработчиком и разработчиком 1C для интеграции результатов парсинга в общий мастер-справочник (внутренний каталог). - Взаимодействие со специалистом по 1С при настройке обмена данными (интеграцию ведёт отдельный специалист). - Тесная работа с менеджером по ассортименту: помощь в анализе данных, контроле полноты каталога и качества информации о товарах. ### **Навыки/Опыт** - Уверенные знания **Python** и стандартных библиотек для парсинга (requests, BeautifulSoup, Scrapy, Selenium и др.). - Понимание принципов обхода блокировок (прокси, ротация IP, решения по CAPTCHA и т.д.). - Опыт интеграции с нейросетевыми API (OpenAI, ChatGPT и т.п.) или высокий интерес к быстрым экспериментам и внедрению подобных решений. - Знание основ работы с базами данных (SQL/NoSQL) — на уровне интеграции и базовых операций. - Способность самостоятельно выстраивать процесс парсинга: от анализа структуры сайта до вывода готовых данных в нужном формате. - Умение работать без детального менеджмента: брать на себя ответственность за всю зону парсинга. - Навык коммуникации с другими членами команды (бэкенд-разработчики, специалист 1С, менеджер по ассортименту) для решения смежных задач. - Готовность к гибкому графику и быстрой реакции на приоритетные задачи. ### **Что ещё важно** - Подтверждённый опыт в проектах с похожими задачами: регулярный парсинг, аналитика цен и ассортимента, нейросетевые алгоритмы. - Понимание архитектуры 1С или опыт интеграции с внешними системами учёта — как плюс. - Готовность к расширению зоны ответственности (анализ данных, контроль качества и полноты информации в каталоге).
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 2 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 май 2026 года — 134 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 май 2026 года опубликовано 134 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