Data scientist – работа для фрилансеров в России

Подготовить меня по анализу данных. Нужно будет проанализировать вуз по разным параметрам.

Data Science. Разработка с нуля. Нужно написать на python программу, которая парсит объявления о продаже недвижимости, формирует и постоянно актуализирует базу данных. Из сформированной базы данных пользователь получает ответы на вопросы: сколько квартир в районе Х продается за месяц, какой средний срок жизни объявления и т.д. Все ответы получаются элементарными фильтрами. Для работы нужен самый примитивный веб-интерфейс с кнопками, а может экзешка на ПК (предложите свои варианты).

Data Science. Разработка с нуля, тестирование, настройка. Инженер-питонист. Требуются: 1. Навыки парсинга данных с открытых источников типа Флай радар. 2. Умение строить прогнозные модели на основе массивов данных. Например погода и сбойные рейсы. 3. Умение обучать нейросети приветствуется.

Data Science. Разработка с нуля, настройка, доработка существующего продукта. Использование компьютерного зрения, построение графиков зависимости по полученным фото.

Data Science. Доработка существующего продукта. Необходимо собрать отчеты в программе JasperReports для существующей СУБД.

Data Science. Настройка. Настройка проксирования зарубежного сайта через мой домен с помощью виртуального сервера.

Обученик. Необходима помощь с выполнением учебных заданий по dwh (с использованием docker), mlops.

Разработка с нуля. Нужен ментор по данной специальности.

Data Science. Доработка существующего продукта, разработка с нуля. Есть проект: парсер который парсит пдфки с архива. Нужно внедрит систему управления документами для структуризации работы. Также нужно подумать как можно избавиться от мусора(много ненужных пдфок не по теме).

проведение кластерного анализа по собранной исходной информации. Пишу диссертацию. Часто будет необходима помощь, связанная с математическими вычислениями. На данный момент нужен кластерный анализ, по собранным мною данным, о станциях метрополитена Москвы.

Разработка с нуля. Все в файле.

помощь в исследовании датасета. Есть датасет, который нужно исследовать (линейная регрессия, мгк, метод к-средних, бутстрэп). Могу скинуть подробности в личку.

Разработка с нуля. Практическая работа в институт. Написать код на Python для распознавания изменения положения одного или нескольких объектов на фото.

Data Science. Другое. Нужно открыть файл crypt 14 crypt 15 без ключа . Файлы скориваны.

Разработка с нуля. Нужно выполнить анализ данных в Orange - BI-система.

Провести разведочный анализ данных. Написать код на Python с пояснениями. Разведочный анализ данных должен содержать: Описание набора данных. Если данные понятны широкому кругу лиц, то описание может быть кратким. Если это какие-то специфические данные, то требуется более развернутое описание. Предварительная обработка данных. Этот этап включает отбор выбор наиболее важных переменных, очистку данных, заполнение пропусков, поиск аномалий и так далее. Анализ. Вычисление статистических характеристик/проверка гипотез, визуализация и выводы. Данные скачать с ссылки: https://www.kaggle.com/datasets/uciml/red-wine-quality-cortez-et-al-2009/data Пример работы могу выслать в личные сообщения.

Дали тестовое задание по статистическому анализу данных. Нужно знать формулы ABS функции, VEN анализа, среднее значение без учёта мин и макс значений и тп, и тд. Дали тестовое задание по статистическому анализу данных. Нужно знать формулы ABS функции, VEN анализа, среднее значение без учёта мин и макс значений и тп, и тд.

Доработка существующего продукта. Есть датасет Нужно до 14.00 завтра найти все возможные корреляции и на их основе сделать маркетинговые гипотезы.

анализ международных отношений. 1. Контент анализ современных международных отношений + выводы 2. Ивент анализ и динамика двустороннего соперничества/сотрудничества современных международных отношений + выводы 3. Регрессивный анализ современных международных отношений + выводы 4. Анализ голосования в ГА ООН и мониторинг соблюдения международных обязательств G20. Пожелания и особенности: 1. Контент анализ современных международных отношений + выводы 2. Ивент анализ и динамика двустороннего соперничества/сотрудничества современных международных отношений + выводы 3. Регрессионный анализ современных международных отношений + выводы 4. Анализ голосования в ГА ООН и мониторинг соблюдения международных обязательств G20.

Data Science. Тестирование, Выполнение дз, анализ результатов. Домашнее задание: максимизировать среднее значение метрики оценки построенной модели f1 за счет подбора параметров деревьев по трем выборкам. Задание выполняется в блокноте DecisionTree.ipynb (блокнот будет направлен отдельным файлом). По ходу выполнения задания необходимо сделать текстовые комментарии о том, какие параметры вы использовали, какие результаты были получены в разных вариантах, какие значения параметров дают максимальных результат. Необходимо подгрузить блокнот с решением задачи классификации. Допустимое расширение .ipynb. Решение выполняется в google colab.

Анализ производств. Нужен человек на сегодня- завтра, который обзвонит контрактные производства кухонь и корпусной мебели, и на основе данных сделает таблицу с минимальными ценами производств.

Data Science. Разработка с нуля. Нужно настроить, чтобы с кабинета селлера ozon ежедневно, в одно и то же время выгружался определенный отчет в гугл таблицу. Оплата по договоренности.

Разработка с нуля, настройка, тестирование. Основные знания есть, мне нужен специалист с которым мы можем решать конкретные задания на уровне джуниор для компании.

Data Science. Доработка существующего продукта, настройка. Требуется написать класс валидатора для класса на python.

Data Science. Доработка существующего продукта. Rstudio выполнить задание практической работы.

Разработка с нуля. Нужно досконально разобраться в трансформерах.

Data Science. Разработка с нуля. Здравствуйте, требуется создание полноценной программы. Требуется создать программу, которая с помощью камеры на каком-либо устройстве будет сканировать людей и отмечать их в отдельном файле. Подразумевается предварительная регистрация человека, то есть изначально вручную вносится информация о человеке: ФИО, год рождения и фотография, далее человек уже проходит сканирование без лишних заморочек.

Data Science. Доработка существующего продукта. Необходимо реализовать функцию регулярного (раз в сутки) экспорта данных из Яндекс.Tracker в какую-либо СУБД, подключение к которой имеется в стандартном наборе подключений Яндекс.Datalens. Функция экспорта должна помимо стандартных экспортировать также данные из пользовательских полей.

Разработка с нуля, настройка, тестирование, Python / BI / ML. Прикладываю ТЗ задания и три не самых лучших примеров, данных преподом. Датасет в формате .зип не могу приложить Python/BI/ML.

Аналитика в Excel. Сопоставить 2 таблицы по неуникальным данным. Срочно. Сопоставить 2 таблицы Эксель, сформировать ключ, сделать сводную таблицу.

Data Science. написать код. Необходимо в Нетологии, сделать домашнее задание. Машинное обучение (написать код Phyton). DS.

Data Science. Доработка существующего продукта. Необходим специалист в PQ и VB для выполнения задач в экселе.

Data Science. Настройка. Требуется настроить подключение локальной базы данных Postgres к Apache Supersets.

Прогнозирование количества поездок в Orange. Построить прогноз количества поездок в Orange.

Доработка существующего продукта. Ищем на постоянную работу специалиста аналитика в компанию по онлайн продажам - Удаленный режим работы - Гибкий, но плотный график Основные задачи: - Подготовка текстовых и табличных данных - Рассылка писем и сообщений руководителя - Взаимодействие с командой, покупателями и поставщиками - Подготовка отчетов - Сбор и анализ необходимой информации Требования: - Отличные знания excel - Навыки деловой переписки - Аналитический склад ума - Коммуникабельность - Опыт работы на схожих позициях расценивается как преимущество, но не является обязательным Пишите в телеграм mpa7585 Заработная плата фиксированная. Бонус по итогам квартала.

Data Science. Доработка существующего продукта. Миландр 1901 Вц1Т написана программа давно, 1 нужно поправить счетчик при выводе инф. на SD карту вместо отображения записей 1 раз в 10 минут выводит в 2 раза больше записей за установленный промежуток времени. 2 в программе есть внутренний цикл по завершении которого программа должна перестать выполнять команды по нагреву, освещению, работе двигателей, вместо того чтобы просто остановить выполнение этих процессов програмеры сделали просто останов процеесора а он в режиме остановки выдает на своих выходах 1 и 0 которые не отключают освещение.

Доработка существующего продукта. 1. Есть продукт Amocrm и ClichHouse нужно доработать со стороны ClickHouse настроить так чтоб данные через amocrm загрузились в clickhouse через api. Api разработчик по амосрм есть. Только нужно показать через clickhouse - апи как это делается. 2. Есть уже написанные батчи но они не работают помочь почему?.

Доработка существующего продукта, Помочь советом, или практическим планом. Я прошел курс по Data Science от СберУниверситета, хочу найти стажировку или работу джуном. Пока не попал ни на одно собеседование. Мне нужно понять какие знания стоит подтянуть и как искать работу дальше.

аб тесты. Добрый вечер! Я действующий продуктовый аналитик. Хочу найти специалиста, который поможет разобраться в тонкостях аб тестирования: от дизайна до обсчета результатов (в Python). Объяснить и задать проект, разобрать вместе Цена указана за час.

Построить модель прогнозирования. Это дз по по предмету. Оно выполняется в орандже https://orangedatamining.com/ Описание в файле Сами данные скину отдельно Срок до полуночи завтра (28.11 в 23:59).

Data Science. Переустановить anaconda. После самостоятельной переустановки anaconda navigator, в jupyter notebook был kernel dead, при этом доступных ядер нет. Пробовала менять путь ядра, тоже не помогло.

Разработка с нуля. Вероятность, формулы Бернулли, Байеса и тд.

Data Science. Выполнение домашнего задания. Задание 1 (1 балл) Загрузите данные из файла data1.csv в датафрейм dfm. Создайте датафрейм brands, в котором будет расчитано количество уникальных наблюдений по брендам (brand) и доля каждого бренда (по количеству) для тех наблюдений у которых рейтинг (rating) больше либо равен 2.0. В итоговом датафрейме brands должно быть три колонки с названиями brand, quantity и share. Задание 2 (2 балла) Загрузите данные из файла data2.csv в датафрейм dfm. Создайте датафрейм top_salaries, где будут рассчитаны средние зарплаты (Annual Salary) по подразделениям (Department) только для работников на полный рабочий день (значение F в колонке Full or Part-Time). Создайте датафрейм top7_titles для 7-ми подразделений с самыми высокими средними зарплатами с двумя колонками (Department и Job Titles), в котором будут перечислены уникальные наименования должностей (Job Titles) для каждого подразделения. Задание 3 (3 балла) Загрузите данные из файла data3.csv в датафрейм dfm. item_total_price - это общая стоимость с учётом количества в стобце quantity Преобразуйте колонку с общей стоимостью заказа (item_total_price) в десятичное число. В переменную most_expensive_order запишите order_id самого дорого заказа (либо список order_id, если их несколько). В один заказ входит несколько строк, объединённых одним значением order_id. Создайте датафрейм top5, в который будут записаны 5 самых дешёвых товаров и суммарное количество, сколько их было куплено (в незавсимиости от цены). Для расчёта цены товара необходимо разделить item_total_price на quantity. В переменную all_burritos запишите все уникальные значения из стоблцов item_name и choice_description, в которых встречается слово Burrito (в независимости от регистра). Создайте датафрейм burritos_n, в котом будут рассчитано суммарное заказанное количество (quantity) для уникальных значений item_name, в которых втречается слово Burrito (в независимости от регистра). Создайте датафрейм major_items, в котором будут перечислены только те item_name, стоимость которых (item_total_price) составляет более 50% от общей стоимости всего заказа (определяется по order_id) и в заказе было более одного item_name. Для каждого item_name должен быть указан order_id, доля данного в общей стоимости заказа и количество уникальных item_name в данном заказе. Задание 4 (4 балла) Написать функцию get_all_csv(folder_path), которая на вход принимает адрес какой либо папки. Функция должна прочесть все *.csv файлы во всех дочерних папках (игнорируя файлы с другим расширением) и соединить их в единый датафрейм (друг под другом). В итоговом датафрейме должен присутствовать столбец filename, в котором будет указано абсолютное имя файла из которого была осуществлена загузка конкретных данных. Например, если надо выгрузить все файлы из папки Sales, которая расположена на рабочем столе, то аргумент folder_path должен бытьC:\\Users\\YOUR_USERNAME\\Desktop\\Sales Используя написанную функцию загрузитe все файлы из подпапок папки Sales в датафрейм dfm. Удалите все строки с Grand Total в столбце TranDate и переведите этот стобец в дату (даты введены через косую черту и в американском формате ММ/DD/YYYY). Перевидите столбец Sum of Amount в числовой формат. Поскольку это финансовый формат, все значения в круглых скобках должны стать отрицательными. Например, значение ($172.55) должно стать -172.55. Создайте датафрейм dfm_daily, в котором записаны итоговая сумма всех операций для дня (daily_total), общая сумма начислений (daily_receipt - операции с положительным Sum of Amonunt), общая сумма списаний (daily_withdrawal - операции с отрицательным Sum of Amonunt) и общее количество операций за день (daily_num). Определите следующие дни (создайте переменные с соответствующим именем): с самым большим количеством операций за день (daily_num); с самой большой итоговой суммой (daily_total); с самой большой итоговой суммой списаний (daily_withdrawal). Создайте датафрейм dfm_monthly, в котором посчитана итоговая сумма всех операций за месяц и среднедневное количество операций в течение месяца, для каждого месяца (независмо от года). Определите месяц с самым высоким среднедневным количеством операций. Задание 5 (5 баллов) Загрузите данные из файла cv_eng_hh.csv в датафрейм. uuid - обозначает код уникальный идентификационный номер человека (резюме). У каждого uuid может быть несколько мест предыдущих работ, даты начала и окончания указаны в переменных start и end. Удалите наблюдения, у которых не указано compensation. Удалите наблюдения, у которых compensationCurrencyCode не равно "RUR". Удалите наблюдения, у которых specialization id больше 5. Создайте новую колонку work_experience, в которой будет рассчитана продолжительность работы в годах (с учётом неполных лет) для каждого наблюдения как разница между start и end (пустые значения endзаполнить датой 31-12-2023) Cоздайте новый датафрейм cv_preprocessing: для уникальных значения uuid приведите значения переменных birthYear,gender,compensation,relocation,educationId и specialization, а также рассчитан общий стаж работы как сумма work_experience. Последующие шаги выполняйте с датафреймом cv_preprocessing Создайте переменную age, в которой будет рассчитан возраст в полных годах относительно даты 11-11-2023. Удалите наблюдения со значениями -1 в переменной gender. Оставьте только те наблюдения, возраст (age) которых больше либо равен 14 и меньше либо равен 80. Оставьте только те наблюдения, compensation которых не менее 30 000. Новый датафрайм назовите cv_preprocessing_filtered Последующие шаги выполняйте с датафреймом cv_preprocessing_filtered Постройте новый датафрейм mean_compensation: сводную таблицу, в которой будет рассчитана средняя зарплата для пола (gender - индексы строк) и специализации (specialization - названия колонок). Постройте новый датафрейм exper_vs_compensation: для уникальных значений общего стажа, округлённых до полного года (experience_years), рассчитайте среднюю зарплату (mean_compensation), и размах заплат (compensation_range - разница между максимальным и минимальным значением). Датафрейм отсортируйте по убыванию experience_years. Округление до полного года подразумевает округление вниз.

Разовая консультация по компьютерному зрению. Разовая консультация по разметке данных в multiple object detection. В каждой картинке будет от 9 до 25 объектов 4 типов. Необходимо понять какую модель использовать и как размечать данные.

Разработка с нуля, настройка. Нужен опытный аналитик, который сможет найти трендовые товары для продажи на WB.

Помощь студенту с анализом отчета в 1С. Помощь в анализе 1С.

Data Science. Доработка существующего продукта. Ексель.

Разработка с нуля. У меня есть задумка сервиса чат ботов на основе чат гпт. Я написал уже обвязку инфраструктурную, и теперь я ищу спеца который поможет мне из предметной области вытащить свойства для контекстного окна гпт и написать промпты которые будут позволять шаблонизированно это дело обрабатывать. У меня есть описанные состояния клиента, по которым он проходит в процессе общения. Собственно нужно силами гпт его вести по этим состояниям и собирать данные.

Data Science. Разработка с нуля. Вам требуется заполнить данные о 100 организациях в таблице Excel. Необходимо указать цену и сроки выполнения этой задачи. Если какая-то организация уже не действует, то ее заполнять не нужно. Также, если у вас нет конкретной информации об определенной организации, вы можете пропустить ее в таблице.

Data Science. Разработка с нуля. Нужно написать задачи на графы реализовать то, что написано в комментариях в файлах таких файлов еще 3.