Data scientist – работа для фрилансеров в Москве

Разработка с нуля, доработка существующего продукта. …….

Проанализировать имеющиеся базы данных.

Data Science. Разработка с нуля.

Разработка с нуля. Пожелания и особенности: Чем предстоит заниматься: Построение и анализ воронок продаж в мобильном приложении для поиска точек роста; Сегментация аудитории и анализ поведения пользователей; Формирование гипотез для увеличения LTV и конверсии в покупку; Организация и проведение A/B-тестов; Настройка триггерных коммуникаций (push-уведомления, email); Участие в разработке стратегии монетизации и удержания пользователей.

Data Science. Консультация. При анализе XBRL-файлов с использованием библиотеки Arelle для восстановления форм (финансовая отчетность) возникает проблема с корректным определением осей, которые должны отображаться в таблицах.

Разработка с нуля. Пожелания и особенности: Есть большая таблица данных (500 строк, 50 столбцов) Нужно проанализировать данные, создать 30 таблиц по моему запросу и отрисовать диаграммы для презентации.

Настройка. Пожелания и особенности: Нам необходимо найти решение для сбора данных в БД Postgres SQL / Click house из Bothelp (конструктор ботов ТГ), либо из amo.CRM (все значимые события записываем там).

Data Science. Настройка, доработка существующего продукта. Tslab.

Разработка с нуля.

Разработка с нуля.

Data Science. Разработка с нуля, тестирование, настройка. Разработать и внедрить интеллектуальную систему (AI-агента), которая будет полностью автоматизировать рутинную обработку входящих клиентских заказов, поступающих на электронную почту. Ключевой бизнес-результат: Сократить время обработки заявки с десятков минут до секунд, минимизировать ошибки ручного ввода и освободить менеджеров для работы с клиентами. Описание задачи Система должна выполнять следующий цикл в автоматическом режиме: Мониторинг почтового ящика: Отслеживать поступление новых писем. Интеллектуальная классификация: Определять тип письма (новый заказ, уточнение по заказу, спам, вопрос, документ от бухгалтерии и т.д.) и при необходимости сортировать их. Извлечение данных из заказов: Читать тело письма и вложения (основные форматы: PDF, Excel, Word, .jpg/.png). Извлекать информацию о клиенте: Название компании, ИНН, контакты, адрес доставки. Распознавать список заказанных товаров: Наименование, количество, единицы измерения. Сопоставление с каталогом (самая сложная часть): Находить соответствие между позициями из заявки клиента и нашим внутренним каталогом товаров (выгрузка из 1С). Проблема: Запросы клиентов часто неточные, с опечатками, сокращениями или синонимами (например, клиент пишет "ДК", а в каталоге это "Кольцо дорожное КЦД-10"). Каталог содержит "зашумленные" данные с ГОСТами, артикулами и техническими параметрами. Требование: Система должна "понимать" суть запроса и находить правильный товар с высокой точностью. Формирование и передача результата: Генерировать итоговый структурированный файл (JSON) с полной информацией по заказу (клиент, корзина с точными артикулами из 1С, комментарии для менеджера). Обрабатывать неоднозначные случаи: Если товар не найден или есть несколько похожих вариантов, система должна отметить это в итоговом файле для проверки менеджером. Интеграция: Передавать готовый JSON в нашу систему (через API / Webhook или другой согласованный метод). Что мы ожидаем от исполнителя Готовое решение "под ключ" (MVP): Вы предлагаете архитектуру, технологический стек и реализуете его. Нам важен работающий продукт, а не конкретные технологии. Экспертиза в AI/ML: Глубокое понимание и практический опыт работы с современными AI-технологиями (LLM, RAG, NLP, Computer Vision/OCR). Высокая точность: Целевой показатель точности сопоставления номенклатуры — не менее 85-90% на репрезентативной выборке. Прозрачность и управляемость: Система должна быть предсказуемой. Нам нужно понимать, почему она приняла то или иное решение, и иметь возможность влиять на её логику (например, через "базу знаний" синонимов). Оптимизация затрат: Предложенное решение должно быть экономически эффективным в эксплуатации (например, учитывать стоимость API-запросов к платным моделям). Что мы предоставим Полный доступ к данным: выгрузки каталогов, большой архив реальных исторических заявок для обучения и тестирования. Доступ к тестовому почтовому ящику. Четкую документацию по нашему API для интеграции. Оперативную связь и консультации по нашей номенклатуре и бизнес-процессам. Как мы будем оценивать отклики Мы ищем не просто "руки", а эксперта или команду, способных предложить и реализовать оптимальное решение.

Помощь по вузовской задаче. Пожелания и особенности: Здравствуйте! Застряла уже на поиске базы данных. Но и остальные пункты мне сложно самой решить. Есть немного теории по множественной линейной регрессии. Цену указала в час, но можем просто договориться, что вы сделаете и мне расскажете, тогда готова заплатить больше.

Доработка существующего продукта, Просто формировать отчеты по запросу. Скидываю данные с площадок, стянуть в таблицу или разные таблицы, не много, не сложно.

Разработка с нуля, настройка, доработка существующего продукта. Ждьзьз.

Data Science. Настройка. Открыть жесткий диск.

Data Science. Настройка.

Data Science. Разработка с нуля. 🎯 Описание проекта Проект направлен на создание интеграционного модуля системы сменно-суточного планирования поездной и грузовой работы (ССП ИСУЖТ) в рамках цифровизации управления железнодорожным транспортом. Модуль обеспечивает взаимодействие между смежными системами ОАО «РЖД», в том числе с системами ЦЖС (Цифровая железнодорожная станция) и ЕМД ПП УЭР, обеспечивая сквозное планирование и обмен данными в реальном времени. 💻 Обязанности Разработка программного обеспечения интеграционного модуля ССП ИСУЖТ в соответствии с комплексом стандартов СТО РЖД 04.001.0–[Телефон скрыт]; Реализация функций обмена данными между ЦЖС и ЕМД ПП УЭР (передача и получение плановой информации, расписаний, данных о тяговых ресурсах и пр.); Создание инструкции по развертыванию и эксплуатации ПО; Развертывание и отладка модуля на тестовом стенде Заказчика; Проведение тестирования, подготовка протоколов испытаний; Обеспечение соответствия требованиям информационной безопасности и импортозамещения (ПО из реестра Минцифры РФ или с открытым кодом). 🧩 Требования Высшее образование в области ИТ, математики, автоматизации или смежных направлений; Опыт разработки интеграционных решений и взаимодействия между корпоративными системами (API, REST, SOAP); Владение языками программирования Java / C# / Python (в зависимости от архитектуры проекта); Опыт работы с реляционными БД (PostgreSQL, Oracle и др.); Знание принципов сервисно-ориентированной архитектуры (SOA) и интеграционных шаблонов; Понимание требований СТО РЖД 04.001.x–2021 — как преимущество; Опыт развертывания решений в среде Linux (Astra Linux или аналоги). 🔒 Будет плюсом Опыт разработки модулей для корпоративных систем РЖД; Знание принципов планирования поездной работы и логистики; Опыт тестирования и документирования ПО в соответствии с ГОСТ и СТО.

Data Science. Разработка с нуля. Для проведение медицинских консультация требуется настроить сервис видеоконференций на базе Jitsi Meet с интеграцией AI-сервисов для автоматической обработки контента встреч. • Развертывание и настройка Jitsi Meet сервера • Настройка TURN сервера • Интеграция Jibri для записи видеозвонков • AI-транскрибация – речевое распознавание в реальном времени • Автоматическое извлечение ключевой информации (ФИО, решения, сроки). Если что-то через 15 минут после начала встречи не было упомянуто, в час встречи написать просьбу указать • После встречи создание протоколов встреч по одному из нескольких макетов. • Запись всех видеозвонков и транскрибаций • API для управления и интеграций Нужно запустить и настроить на python Jitsi видеозвонки + TURN + Jibri + Транскрибация (Whisper GPU + Vosk) + автоматическое составление протоколов встречи по шаблону, проверка контента беседы и подсказывать в чате видеозвонка, если что-то важное не сообщили еще, что должно быть в протоколе встречи. Например фио. Создание записей видеозвонков, создание внешних ссылок для удаленного доступа.

Data Science. Доработка существующего продукта. Не ищет формы слов и не правильно подставляет в текст.

Data Science. Тестирование, настройка, разработка с нуля, доработка существующего продукта.

Data Science. Купили компьютер он без настроек.

Data Science. Разработка с нуля.

Разработка с нуля.

Data Science. Репетитор по SQL и Power BI. Я начинающий бизнес-аналитик. Долгое время работал в HR, но параллельно занимался описанием и отрисовкой бизнес-процессов. Сейчас часто в требованиях к вакансиям бизнес-аналитика пишут умение работать с SQL и Power BI. У меня есть базовое понимание что это и с чем это едят, но толком работать с ними я не умею. Хотелось бы научиться.

Data Science. Доработка существующего продукта. Есть данные в Excel 7000 строк. Написан макрос, которые делает расчеты в определенный логике. Нужно переписать макрос, чтобы он делал расчет в другой логике (по методу FIFO).

Помощь в выполнении домашнего задания задании. Созвонится и с демонстрацией инструктировать что делать.

Доработка существующего продукта, настройка, разработка с нуля.

Data Science. Тестирование.

Разработка с нуля.

Консультация касательно решения на данном этапе (с возможной помощью при доработке). Пожелания и особенности: Требуется специалист, который поможет разобраться в последовательности действий в пайплайне решения (отбираю модели для решения задачи регрессии) с последующей настройкой гиперпараметров. Внутри фолдлв кросс-валидации нужно реализовать масштабирование подходящим трансформером, уменьшить размерность (PCA, SelectKBest и тд), гридсерчем подобрать оптимальный набор гиперпараметров, рассказать правила сужения поиска после получения результатов.

Data Science. Доработка существующего продукта. Пожелания и особенности: Нужен специалист/программист по API для: - выгрузки данных вб/озон в гугл таблицу, - соединить gpt с отзывами и настроить автоответы, - свести корректный себес всех остатков (все склады 1с и маркетплейсы, и товар в пути между ними, кроме заказов поставщикам), - нужно настроить планирование заказов с разбивкой по размерам с авто подтягиванием заказов с мп. Подсвечивать если товар заканчивается.

Data Science. Разработка с нуля. Пожелания и особенности: Задача систематически анализировать сайты лизинговых компаний (список будет предоставлен) и готовить отчет в автоматическом режиме на еженедельной основе с указанием необходимых данных: наличие новых позиций в продажу, открытие аукциона, продажа предыдущих позиций.

Data Science. Разработка с нуля. Бот который получает файл excel. Потом использует pandas или другого модуля для анализа данных (он может создавать пивоты или по другому. Обсудим с вами.) Файл который мы даем боту выглядит одинаково.

Подготовка к самостоятельным и экзамену в ВШЭ.

Data Science. Разработка с нуля.

Доработка существующего продукта. Пожелания и особенности: Требуется построить гистограмму по филиалам отражающую показатель Выручка и EBITDA за выбранный период. Сделать срез с возможностью выбора периода.

Объяснить все этапы построения мл.

Разработка с нуля.

Все данные из файлов экселя по продажам перенести в удобные графики по месяцам, сделать выводы по продажам, сколько каких товаров за месяц продано. Суть такая чтобы с этой презентацией можно было выступить на встрече. Все данные из файлов экселя по продажам перенести в удобные графики по месяцам, сделать выводы по продажам, сколько каких товаров за месяц продано. Суть такая чтобы с этой презентацией можно было выступить на встрече.

Анализ продажи реагентов в лабораторию с вложением в оборудование или без вложений, но риском падения маржинальности на торгах.

Разработка с нуля, тестирование, настройка, доработка существующего продукта.

Data Science. Настройка, Помощь с домашним заданием. 1. Правильно соединить все таблицы (написать комментарий в LXP - почему выбрали это соединение) 2. Перевести все столбцы с датой и временем в формат даты (меняем тип данных) 3. Создать фильтр на страну по своему варианту (если не были на паре - выбрать страну самостоятельно) 4. Оставляем только столбец с каналами и регионами, остальные скрываем 5. Делаем вычисления: - Количество уникальных пользователей по визитам - Количество уникальных пользователей по заказам - Конверсия в покупку - Максимальная дата визита - Минимальная дата заказа - Максимальная сумма заказа - Сумма доходов - Сумма расходов - Доля расходов на рекламу - Стоимость привлечения одного клиента (CAC) - Доход с одного пользователя (LTV) 6. Сформирован и сохранен датасет 7. Все дробные числа должны быть округлены до 2 знаков после запятой 8. Все поля переименованы в интуитивно понятное название 9. В комментариях к КТ описаны 2 вывода по отображаемым данных в датасете по своему региону. На вход: Создано подключение Нужно выбрать свой регион самостоятельно Информация по необходимым действиям описана Бизнес цель: есть данные приложения по посещениям и покупкам в разрезе каналов привлечения, нужно оценить эффективность бизнеса. В частности - выяснить, откуда приходят пользователи, сколько денег приносят каналы и какие каналы менее эффективны. Покажите результаты выполненной работы Создан дашборд на основе готового датасета "marketing" Все данные отфильтрованы по стране в соответствии со своим вариантом из прошлого КТ Создано не менее 7 графиков с расчетом разных метрик (вычисления можно делать непосредственно в графиках) Использовано не менее 5 типов графиков (линейная диаграмма, индикатор и тд) Все графики названы в соответствии с показателем, который рассчитан, дашборд тоже имеет название, соответствующее тематике исследования Создано не менее 2х фильтров (дата и текстовый фильтр) Создан бокс с описанием темы дашборда (о чем данные, какие ограничения есть по умолчанию (фильтры)) и основными выводами, которые можно сделать исходя из данных на дашборде Бизнес цель: есть данные приложения по посещениям и покупкам в разрезе каналов привлечения, нужно оценить эффективность бизнеса. В частности - выяснить, откуда приходят пользователи, сколько денег приносят каналы и какие каналы менее эффективны. Необходимо прикрепить скрин датасета из DataLeans.

Data Science. Настройка. На корпоративном гугл диске хранится 1,5 ТБ данных компании. Компания переходит на собственный корпоративный сервер (что-то вроде облачного хранилища от некстклауда), на который уже перенесена часть файлов. Нужно: 1. Проанализировать гугл-диск и корп сервер на повторяющиеся файлы 2. Перенести данные, которых нет на сервере, с гугл диска на сервер для последующего удаления их с гугл диска.

Обучение анализу данных. Необходимо провести обучение по программе "Data-аналитик" (22 ч. дистанционно). Образовательная программа есть.

Подготовка к олимпиаде. Подготовка к олимпиаде DANO.

Разработка с нуля. Анализ моего магазина вб.

Разработка с нуля, Работа с базой медицинских данных, статистический расчет, кластерный анализ, дерево решений, прогнозирование заболевания. Есть база медицинских данных, необходимо выполнить статистические рассчеты,конкретно интересует кластерный анализ, дерево решений,возможно другие методы,с помощью которых возможно выделить кластеры (подгруппы) пациентов на основе клинических показателей (лабораторные, инструментальные и тд), прогнозировать течение заболевания. Желательно наличие опыта работы с медицинскими данными.

Парсинг. НУЖЕН СПИСОК ТЕЛЕФОНОВ МИНИМУМ 2000 ШТ за последние 3 месяца интересовались свадебной тематикой - заходили в группу да - платье, площадка, ведущий, организатор, агентство, мейк-ап нет - пиджак, кольца и тд (обычно выбирает парень) только женский пол источник: либо тг либо вк На крайний случай запретграм.

Data Science. интеграция AI в систему видеонаблюдения. Пожелания и особенности: Имеется видео регистратор DHI-NVR4116-4KS2/L. На него пишут 12 камер. Нужно преобразовать звук из видео в текст и выдавать текст, а также нужно, чтобы был анализ текста через AI.

Разработка с нуля. Нужно создать дашборд на основе данных, настроить его на автообновление. Провести расчеты и отобразить на диаграммах. По ним сформировать аналитические выводы.