Data Science. Доработка существующего продукта. Пожелания и особенности: Есть игра с закрытыми данными, на ней у нас свой сервер. Но так как разработчик не разрешает вносить изменения, то мы многое не можем поменять ( хотя сервер неофициальный и разработчик сказал делайте что хотите) но при этом доступов и тд нет. Другие серверы смогли изменить данные. Более детально по телефону.
Разработка ПО. Data Science. Разработка с нуля, тестирование, настройка, git hab. Развернутая версия ТЗ: 1. Цель Разработать систему, которая автоматически: Находит земельные участки площадью от 8-10 гектаров (любой вид разрешённого использования); Фильтрует участки по географическим направлениям и трассам; Исключает участки с застройкой (дома, производственные здания, крупные постройки); Анализирует территорию с помощью искусственного интеллекта для определения: Процента залесённости и его окружения; Наличия воды или водоёмов (реки, озёра, пруды и др.). 2. Географические ограничения Радиус и направления: Поиск ведётся в радиусе до 130 км от МКАД. Для участков, находящихся на расстоянии 70–100 км от МКАД, минимальная площадь допускается от 8 гектаров. Участки ищутся вдоль ключевых направлений, в зоне от 2 до 15 км от трассы. Основные направления и трассы: Направление Основные шоссе Север Дмитровское шоссе, Ленинградское шоссе Запад Новорижское шоссе, Минское шоссе, Смоленское направление Юг Киевское шоссе, Симферопольское шоссе, Каширское шоссе Юго-запад Калужское шоссе Система должна позволять поиск по каждому направлению отдельно и по всем вместе. 3. Регионы для поиска Московская область Калужская область Тульская область Смоленская область Тверская область Дополнительно: Ярославская область Рязанская область Нижегородская область 4. Функциональность 4.1. Парсер Поиск участков ?8-10 Га по кадастровой карте РФ с учётом регионов и направлений; Фильтр по расстоянию от трассы (2–15 км) и от МКАД (до 130 км); Исключение участков с признаками застройки (наличие контуров зданий, плотных структур); Сбор базовой информации: кадастровый номер, площадь, координаты границ, вид разрешённого использования, регион, район, ссылка на источник. 4.2. Анализатор (на основе ИИ) Получает спутниковые снимки (Sentinel-2, Landsat и др.); Определяет: % залесённости участка и % леса вокруг участка (в радиусе 100–300 м); наличие водоёмов (% или факт); отсутствие/наличие застройки (булево); Сохраняет полученные метрики в таблицу или базу данных. 4.3. Интерфейс и отчёты Удобный просмотр результатов в таблице и на карте (с полигонами участков); Фильтрация по направлению, трассе, площади, проценту залесённости и наличию воды; Возможность выгрузки в CSV / Excel / GeoJSON. 5. Ожидаемый результат Автоматизированный поиск и анализ участков ?8-10 Га; Возможность фильтрации по направлениям и трассам; Исключение застроенных территорий; Выгрузка результатов с указанием площади, координат, % залесённости, наличия воды. 6. Требования к исполнителю Опыт в геоинформационных системах (GIS), работе с кадастровыми данными; Знание спутниковой аналитики и методов сегментации изображений (NDVI/NDWI);.
Data Science. Настройка. Ищем специалиста, который настроит базу данных упражнений для нашего ИИ-тренера, используя готовую инструкцию и ChatGPT. У вас будет пошаговая инструкция, как должно выглядеть описание каждого упражнения. Ваша задача — загружать эту инструкцию в ChatGPT, вводить названия упражнений и получать готовые описания, включая технику выполнения, задействованные суставы, противопоказания и другие параметры. Как происходит процесс: 1. Загружаем инструкцию в Chat GPT 2. Берем из базы названий упражнений название упражнения и вставляем его в GPT 3. Получаем готовое описание 4. Вставляем готовое описание в Google Таблицу На одно описание уходит примерно 5 минут Всего в базе порядка 200 упражнений Кроме вознаграждения готов оплатить платную подписку на Chat GPT В загруженном файле инструкция по формированию базы.
Data Science. Разработка с нуля. CRM Macron. В веб версии мы видим все заказы клиентов, но не видим контактную информацию самих клиентов В Коробочной версии видим всю информацию о клиентов, но чтобы увидеть заказы нужно открывать карточку каждого отдельного клиента Что хотим получить Аналитический борд который показывает следующий момент Как меняется объем заказов по отношению к прошлому периоду.Важно подсвечивать какие клиенты снижают объем заказов. Фильтры 1.Период 2.По клиентам 3.Сортировка по объемам заказов(от большего к меньшему) Делаем два поля в одном борде. Общая тенденция объема заказов с графиком по периодам по всем клиентам Разрез по клиентам.
Data Science. Кое-что узнать). Есть ли возможность по 3 юзерам (просто ссылкам) знать на каком устройстве они были зарегистрированы и привязана. Это личный интерес, нужно выяснить кое-что.
Data Science. Консультация специалиста по антифрод-системам и fraud detection. Пожелания и особенности: Нужна консультация специалиста по antifraud / fraud detection. Интересует: — принципы работы антифрод-систем маркетплейсов и сервисов с пользовательскими профилями — типовые причины автоматических блокировок и ручных проверок аккаунтов — поведенческие, технические и статистические сигналы, которые обычно используются (без обхода и взлома) Задача — понять логику антифрода. Не требуется разработка, внедрение или обход систем. Желателен опыт работы с antifraud / risk / ML / data science в финтехе, маркетплейсах или платформах услуг.
Data Science. Разработка с нуля. Есть программа 3d Slicer, есть диск с данными КТ, ОФЭТ/КТ и лимфосцинтиграфии, нужен человек умеющий работать в данной программе и сопоставлять в ней данные КТ, ОФЭТ/КТ и лимфосцинтиграфии. Важно умение накладывать в ней снимки, совмещать и убирать ненужное.
Консультация. Пожелания и особенности: Требуется помощь с решением тестового задания по риск анализу кредитного портфеля физических лиц. Требуется определить корреляции Default Ratio по портфелю и поведения клиентов заёмщиков. Инструментарий Excel или Python Pandas.
Разработка с нуля, доработка существующего продукта. LLM Application Engineer Unimatch Lab — венчурная AI?студия из Кремниевой долины, которая за 24 месяца строит линейку из 100 вертикальных AI?продуктов (HealthTech, LegalTech, HRTech, PropTech и др.). Ищем LLM Application Engineer с опытом продакшн?разработки AI?приложений, кто умеет автономно принимать архитектурные решения, оптимизировать качество/стоимость LLM и использовать AI?инструменты как часть рабочего процесса, а не «игрушку». Технический профиль - 2+ лет в Python/Node.js (FastAPI, NestJS), уверенная работа с PostgreSQL, Redis, брокерами сообщений (Redis Streams/RabbitMQ/Kafka). - Глубокий опыт с LangChain/LlamaIndex/AutoGen, RAG?системами, векторными БД (ChromaDB, Pinecone, Weaviate, Qdrant), OpenAI/Anthropic/Azure OpenAI и on?prem моделями. - Настройка RAG?пайтлайнов и hybrid search, промпт?инжиниринг (Chain-of-Thought, Few?Shot и др.), fine?tuning через LoRA/QLoRA, работа с embeddings и интеграциями внешних API/инструментов. Продакшн и качество - Продакшн?деплой LLM (vLLM, TGI, Ollama, AWS/GCP), Docker/Kubernetes, CI/CD, MLOps (логирование, мониторинг, drift, версионирование моделей), observability (Prometheus, Grafana, Sentry). - Unit/integration?тесты (pytest/unittest, Jest/Supertest), валидация через Pydantic, code review и статический анализ (ESLint, Prettier, Black, Pylint). Желательны: Notion/Slack API, Linux/SSH, serverless (Lambda/Workers/Vercel), оптимизация стоимости и latency LLM, опыт high?load (от ~1k RPS). Зона ответственности - Архитектура и разработка RAG?систем и многошаговых AI?агентов, интеграция LLM в продакшн?сервисы (API?слой, роутинг, fault?tolerance, наблюдаемость). - Fine?tuning под домены, разработка и A/B?тестирование промптов, оптимизация производительности и стоимости, сопровождение тестов. - Участие в продуктовой и технической архитектуре, документация (API, релизы, инструкции по интеграции). Условия - Доход от 3000 до 4500 USD/мес, но вообще без жёсткого потолка, рост вместе с количеством продуктов и перформансом. - Быстрый трек до Tech Lead и лидера продуктовой ветки из 3–5 AI?продуктов с опционами/долей, команда A?Players и минимальная бюрократия. - Полностью удалённо и гибко по времени, фокус на результате и доступ к сильному AI/венчур?нетворку. В отклике пожалуйста укажи свой релевантный опыт по возможности прикрепи резюме или портфолио и опиши какой нибудь интересный кейс из своего опыта =) Можешь написать мне на профи ру или в телеграмм@ildarca_w.
Создание блокнота с табличными данными. Проект состоит из нескольких критериев: - оформление - описание данных - описание признаков - фильтрация - новые признаки - частотные таблицы - визуализация - сводные таблицы.
Data Science. Разработка с нуля. Пожелания и особенности: нужно извлечь текст из картинок jpg, убрать ошибки, сделать лемматизированный частотный словарь, визуализировать коллокации.
Data Science. проект по временным рядам. Нужна помощь с решением дз по временным рядам, полностью исключается использование ИИ при создании кода и текстовых ячеек с выводами и тд.
Разработка с нуля. Работа в spss statistics 1. мультиколлинеарность 2. нормальность распределения регрессионных остатков (тест колмагорова смирнова) 3. гомоскедастичность 4. выбросы 5. регрессионное уравнение для генеральной совокупности. 6. Содержательно проинтерпретируйте регрессионные коэффициенты и константу; 7.Опишите качество полученной модели и проинтерпретируйте соответствующий показатель. 8. Сравните предикторы между собой по силе воздействия на зависимую переменную. Какой из предикторов оказывает самое сильное влияние? А какой – самое слабое? переменные будут и интервальные и номинальные/порядковые поэтому их надо будет переделать в фиктивные.
Разработка с нуля. 1. Выбрать данные(обсудим), предпочтительно в табличной форме (Excel, CSV) 2. С помощью Pandas провести анализ данных и визуализацию 3. Стилизовать визуализацию, чтобы получить некоторую консистентную инфографику в оригинальном стиле 4. Продемонстрировать изучающий и объясняющий формат визуализации данных для выбранной темы, описать используемые статистические методы (т.е презентация).
Data Science. решение контрольной работы. Нужно будет решить контрольную работу в университете, 2 курс. Работать предстоит в SPSS statistics. Будет предоставлен массив данных и тз. Ориентировочно, список тем прикрепляю.
Data Science. Доработка существующего продукта. Здравст.из программы нужна выгрузка данных в другую программу в виде таблице Наименование номенклатуры Текущее кол-во в единицах измерения Внутренний штрих код Серия препарата Срок годности препарата Номер сертификата ГТД Делитель единицы измерения Цена закупочная без НДС за единицу измерения (не должно быть пустым, не должно быть =0) Цена розничная с НДС за единицу измерения Ставка НДС партии товара Код поставщика в старой СТУ Дата приходного документа поставщика Номер приходного документа поставщика Код номенклатуры в старой СТУ Цена производителя без НДС (для ЖВ обязательно, для остальных если нет можно 0) Номер счет фактуры Дата счет фактуры Признак КИЗ (True или False) Наименование производителя КИЗ. Может быть как коротким – 27 знаков (GTIN+SGTIN), так и полным – со всеми нечитаемыми символами и криптохвостом.
Data Science. Разработка с нуля, тестирование, доработка существующего продукта. Создать демонстрационное решение для ресторана, которое прогнозирует спрос на блюда с помощью Facebook/Meta Prophet и показывает, какой набор инструментов тестирования ML лучше выявляет проблемы в данных и прогнозах (ошибки качества данных, дрейф, аномалии, деградация качества). Результат нужен для принятия решений о внедрении контроля качества ML-пайплайна и повышения надёжности прогнозов, влияющих на закупки, планирование кухни и выручку. ПОЛНОЕ ТЗ ВО ВЛОЖЕНИИ!.
Кластер Yandex DataBase. Пожелания и особенности: Важно не только развернуть кластер, но и выполнить задания по списку (приведен пример одного из самого простого). Ищу специалиста, кто поможет разобраться.
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