Data scientist – работа для фрилансеров в Москве

Доработка существующего продукта. Необходимо с помощью уже существующего репозитория с кодом и алгоритмом работы прогнать данные по другому городу. Все данные, методы и гугл блокноты кидаю я. Работа связана с геоаналитикой.

Разработка с нуля, доработка существующего продукта. Скоринг клиентской базы.

Доработка существующего продукта. Требуется Data Science специалист (аналитик или ML) со знаниями для разового анализа CSV датасета. Уровень seniority не ниже middle. Требуется глубоко знать pandas, seaborn, поиск корреляции переменных. Объем анализа небольшой, часть анализа уже подготовлена и разобрана с графиками. Требуется лишь доделать эту работу. Задание срочное. Закончить не позднее вторника, максимум среды. Оплата обсуждаема. Работа требуется в формате консультаций по анализу данных. То есть, выполнять и оформлять весь объем не нужно. Требуется порекомендовать рабочие методы для выполнения оставшихся шагов и помочь сформулировать выводы по результатам.

Доработка существующего продукта. Необходима консультация по внедрению аналитики для юридической компании, которая работает на территории Грузии с русскоязычными и англоязычными клиентами. Нужно проанализировать текущие показатели, разобраться с системами аналитики, вывести показатели в какой-нибудь дашборд для удобного контроля. Каналы привлечения клиентов: Сайт на wordpress (90% SEO трафик) Insta + блогеры + таргет Реклама в Telegram каналах Карты google и yandex Аналитика: Яндекс метрика CRM система: AmoCRM тариф расширенный.

Data Science. Разработка с нуля. Нужно написать код линейной регрессии на питоне для диссертации - выбрать одну зависимую и 15 независимых переменных (и напиши источники, откуда брать данные). Напишите код для а) регрессионную Модель построена на основе OLS (Ordinary Least Squares Б) тест на нормальность, и все другие описательные тесты.

Статистический анализ spss. Пожелания и особенности: Есть закодированные данные в spss и гипотезы, которые необходимо подтвердить через статистический анализ.

Data Science. Разработка с нуля. Обработать прайс-лист Excel (50 000 строк). Найти и добавить фото к каждой запчасти по артикулу.

Доработка существующего продукта.

Проанализировать анкеты.

Разработка с нуля. Можно помочь с практической работой. До среды 1. Найдите и загрузите базу данных с интересующей вас информацией, опишите её структуру.* (допускается краткое описание. если используется та же база данных, что и в предыдущих работах) требования к базе данных: не менее 5 столбцов, не менее 20 строк, обязательны числовые и строковые данные * рекомендуется использовать базу данных из задания №1. В случае использования новой базы данных, её требуется дополнительно подготовить, см. ПЗ №1. 2. Выберите подходящие для регрессионного анализа числовые данные. Составьте зависимость для исследование линейной регрессии Y(X), множественной Y(X1,X2) и полиномиальной Y(X^n) регрессий. 3. Создайте модели, выпишите, полученные уравнения, обучите модели, сделайте предсказания, постройте графики. 4. Проанализируйте полученные результаты визуально и с помощью известных метрик [2 файла] 1. PZ4_LIS.ipynb.txt • 512 Кб https://vk.ru/doc731254822_699124456 2. global_ai_jobs.csv • 16 Мб https://vk.ru/doc731254822_698025851.

Разработка с нуля, настройка. Помочь сделать задания по инструкции в универ, по дисциплинам анализ данных и ценообразование в sql и python.

Разработка с нуля, настройка. Сделать задания по инструкции в универ, по дисциплинам анализ данных и ценообразование в sql и python.

Разработка с нуля.

Выполнить задание. Нужно будет написад код и сделать презентацию Датасет: https://www.kaggle.com/datasets/tawfikelmetwally/employee-dataset Задание: Подберите дополнительные параметры (не менее 5) по которым будете проводить анализ данных. Для этого можно создать дополнительные столбцы с категориями Очистите данные, при необходимости уберите, занулите или усредните данные (в зависимости от выбранного датасета) 1) Создайте круговую диаграмму, которая отражает соотношение между выбранными параметрами для анализа по бинарной переменной (например, по мужчинам и женщинам) по среднему значениям из выбранных Вами столбцов. Создайте подписи и легенду для графика. Вставьте скриншоты полученных диаграмм в презентацию. 2) Сгруппируйте данные по выбранным вами критерииям из нескольких столбцов (например, год) используя GroupBy и pivot table. (не менее 3 группировок) 3) Критерии должны содержать не менее 3 и не более 30 различных вариантов значений. Сравните результат. Отразите выводы в презентации. 4) Постройте две линейных диаграммы на одном графике. Каждая должна соответствовать своему значению бинарной переменной (например, первая должна отражать результаты выбранного сгруппированного столбца для мужчин, вторая для женщин). Вставьте подписи по осям, подберите размер, чтобы график читался. Вставьте скриншот полученного графика в презентацию. 5) Постройте диаграмму рассеивания, которая отражает взаимосвязь между выбранными вами столбцами. Разделите значения для двух значений бинарной переменной (например, для мужчин и для женщин) разными цветами. Ограничьте диапазон введенных данных используя фильтр (например, отбросьте результаты людей младше 18 лет). Объясните полученные результаты. Вставьте скриншот полученной диаграммы в презентацию и добавьте объяснение взаимосвязи. 6) Выдвиньте дополнительные 3 гипотезы, которые имеют отношение к имеющимся данным. Опишите их в презентации. Подтвердите или опровергните их используя различные виды графических представлений. Добавьте в презентацию графики разных типов и опишите свои наблюдения, подтверждения или опровержения выдвинутых гипотез. 7) При выполнении задания воспользуйтесь минимум 3 нейросетями, сравните результат и вынесете его на отдельный слайд.

Выполнить задачу. Нужно будет написад код и сделать презентацию Датасет: https://www.kaggle.com/datasets/tawfikelmetwally/employee-dataset Задание: Подберите дополнительные параметры (не менее 5) по которым будете проводить анализ данных. Для этого можно создать дополнительные столбцы с категориями Очистите данные, при необходимости уберите, занулите или усредните данные (в зависимости от выбранного датасета) 1) Создайте круговую диаграмму, которая отражает соотношение между выбранными параметрами для анализа по бинарной переменной (например, по мужчинам и женщинам) по среднему значениям из выбранных Вами столбцов. Создайте подписи и легенду для графика. Вставьте скриншоты полученных диаграмм в презентацию. 2) Сгруппируйте данные по выбранным вами критерииям из нескольких столбцов (например, год) используя GroupBy и pivot table. (не менее 3 группировок) 3) Критерии должны содержать не менее 3 и не более 30 различных вариантов значений. Сравните результат. Отразите выводы в презентации. 4) Постройте две линейных диаграммы на одном графике. Каждая должна соответствовать своему значению бинарной переменной (например, первая должна отражать результаты выбранного сгруппированного столбца для мужчин, вторая для женщин). Вставьте подписи по осям, подберите размер, чтобы график читался. Вставьте скриншот полученного графика в презентацию. 5) Постройте диаграмму рассеивания, которая отражает взаимосвязь между выбранными вами столбцами. Разделите значения для двух значений бинарной переменной (например, для мужчин и для женщин) разными цветами. Ограничьте диапазон введенных данных используя фильтр (например, отбросьте результаты людей младше 18 лет). Объясните полученные результаты. Вставьте скриншот полученной диаграммы в презентацию и добавьте объяснение взаимосвязи. 6) Выдвиньте дополнительные 3 гипотезы, которые имеют отношение к имеющимся данным. Опишите их в презентации. Подтвердите или опровергните их используя различные виды графических представлений. Добавьте в презентацию графики разных типов и опишите свои наблюдения, подтверждения или опровержения выдвинутых гипотез. 7) При выполнении задания воспользуйтесь минимум 3 нейросетями, сравните результат и вынесете его на отдельный слайд.

Data Science. Разработка с нуля. Необходимо очень быстро, разово подать заявку на покупку. В связи с тем, что интернет не быстрый и имеет свою задержку. Нужно, что бы команда по отправке заявки исполнялась по логике (системное время - заданное время) речь о миллисекундах. Нужно максимально незаметное решение, что бы в логах торгового терминала не было следа от этого алгоритма.

Прохождение онлайн-курса. Необходимо допройти онлайн курс на data-инженера с выполнением всех заданий и итоговой работы в сжатые сроки (Python, SQL, Airflow).

Data Science. Сделать файл пдф. Есть фото 225 на телефоне, мне нужно их перевести в пдф формат и объеденить их в один файл пдф формата, срочно.

Data Science. Настройка.

Data Science. Доработка существующего продукта, разработка с нуля. Здравствуйте! Меня зовут Даниил, я сейчас работаю над исследовательской работой в области применения методов машинного обучения к финансовым данным. Тема проекта — использование новостного сентимента для прогнозирования краткосрочного движения цен акций (на примере Amazon). Я собираю датасет новостей, оцениваю их сентимент с помощью языковых моделей, агрегирую признаки (среднее, стандартное отклонение, количество новостей, а также скользящие окна) и объединяю их с рыночными данными (OHLCV) для построения модели предсказания направления движения цены на следующий день. На текущем этапе я столкнулся рядом проблем: — сложности со сбором и качеством данных (в частности, неполные временные метки, неоднородность источников) — добавление признаков на основе сентимента практически не улучшает метрику модели — итоговая точность остаётся на уровне, близком к базовой, и сложно интерпретировать, есть ли в данных значимый сигнал Я хотел бы лучше понять, является ли это следствием ограничений данных/подхода или же в текущей постановке задачи действительно сложно извлечь предсказательную силу, и как корректно это исследовать. Вы могли бы помочь мне с этой задачей?.

Data Science. Разработка с нуля. Добрый день. нужно доработать отчеты ВБ продавца в Excel. При выгрузке отчетов, чтобы добавлялась дополнительная колонка и считала вес.

Рассчитать сходимости данных. Пожелания и особенности: Расчет многофакторной корреляции между параметрами массива данных в программе Anova.

Data Science. Разработка с нуля.

Анализ данных в программе SPSS.

Кагортный анализ.

Разработка с нуля. “Нужен практический формат: минимум теории, максимум задач. Учусь по выходным. Цель: Excel-аналитика для бизнеса + Power Query + сводные + базовая автоматизация. Хочу работать на моих кейсах (маржа, план/факт, KPI). На каждом занятии: 10 минут объяснение ? 60 минут делаем ? 20 минут разбор ошибок. GPT использую для формул/шагов PQ.”.

Разработка с нуля, Ищу наставника. Пожелания и особенности: Ищу наставника в области аналитики данных, сама самоучка. Много работала с таблицами, структуризацией. Хочу полностью освоить данную профессию под руководством специалиста своего дела.

Доработка существующего продукта. Нужно подтянуть формулой импортрейндж данные в гугл таблицу итого из нескольких таблиц.

Data Science. Доработка существующего продукта. Пожелания и особенности: визуализация в дата ленс.

Задачи по сбору данных, очистке данных, созданию визуализаций (дашбордов) и коммуникации результатов анализа с заинтересованными сторонами. -Сбор требований от бизнес-заказчиков для разработки аналитических решений -Написание SQL-запросов для извлечения нужных данных из различных источников -Очистка и преобразование данных для подготовки к анализу -Разработка и поддержка интерактивных дашбордов в BI-инструментах (Power BI) -Создание ETL-процессов для автоматизации сбора и обработки данных -Анализ бизнес-показателей и выявление причинно-следственных связей -Подготовка презентаций и коммуникация результатов анализа заинтересованным сторонам.

Data Science. Настройка. Есть набор фотографий и лейблов (размечал в CVAT). Нужна помощь в установке и настройке YOLOv8 для обучения.

Data Science. Доработка существующего продукта, Нужен специалист в Microsoft Project. Пожелания и особенности: Нужен сейчас.

Data Science. Доработка существующего продукта. Пожелания и особенности: power bi.

Тестирование. С помощью программы Jamovi проанализировать гипотезы в научной работе.

Data Science. Выполнение контрольных, написание проекта, решение задач онлайн курса.

Настройка. Пожелания и особенности: Сравнить две базы данных и сказать какая лучше.

Доработка существующего продукта.

Разработка с нуля.

Data Science. Разработка с нуля. Добрый день. Необходимо подготовить программу для парсера цен с сайтов конкурентов, авито, таблицы Ексель - оформление отчета в таблицу. Нужно, чтобы писало сравнение нашей цены, цены конкурента, цены с авито. С возможностью в дальнейшем интегрировать на наш сайт - сайт на Битриксе. По парсеру еще нужно чтобы формировался график движения цен и можно было выбирать.

Data Science. Разработка с нуля, настройка, доработка существующего продукта. Создать ETL процесс по загрузке данных из открытых источников используя Python, Airflow.

Data Science. Настройка. Настройка агента для поиска объектов на порталах (прилагаются) по критериям.

Data Science. Разработка с нуля. Объяснить как пользоваться и импортировать данные.

Разработка с нуля. Анализ работы организации в Эксель. Шаблон предоставлю. Срочно!.

Data Science. Разработка с нуля, настройка, тестирование.

Разработка с нуля.

Разработка с нуля.

Разработка с нуля. Пожелания и особенности: Требуется разработка управленческого аналитического дашборда для внутреннего использования театром. Цель: перейти от просмотра отдельных показателей к портфельному анализу репертуара и управлению решениями через KPI и интегральный рейтинг спектаклей. Это не маркетинговый лендинг и не простой отчёт, а полноценная BI-модель: • расчётные KPI, • интегральный score, • сценарный анализ, • работа с историческими данными. Данные обезличены. Персональных данных нет. Что нужно реализовать 1. Модель данных Источник — Excel (несколько таблиц): • Показы (каждый показ — строка) • Справочник спектаклей • Общие показатели театра 2. Расчёт 9 KPI Зрительские KPI 1. Заполняемость зала (%) 2. Глубина продаж (дни до показа) Финансовые KPI 3. Выручка на показ 4. Маржинальность показа (%) 5. Доля спектакля в общей выручке театра (%) Репертуарный KPI 6. Портфельная категория спектакля (якорный / стабильный / экспериментальный / проблемный) Репутационный KPI 7. Репутационный индекс (0–10) (задаётся справочником) Маркетинговые KPI 8. CAC — стоимость привлечения зрителя 9. ROMI — возврат маркетинговых инвестиций 3. Интегральный рейтинг спектакля • Нормализация KPI • Весовая модель • Итоговый score 0–100 • Возможность менять веса блоков 4. Визуализация Обязательно: ✅ Матрица «Спектакль × KPI» (цветовая индикация) ✅ Карточка спектакля ✅ Динамика показателей по времени ✅ Анализ портфеля (распределение ролей спектаклей) ✅ Фильтры (год / месяц / спектакль / зал) 5. Сценарный анализ (What-If) Например: • изменение количества показов • изменение цены билета • изменение маркетингового бюджета • вывод спектакля из репертуара Что я предоставляю • Excel-данные (реальные, обезличенные) • Описание KPI • Логику бизнес-процесса • Требования к визуализации Что нужно получить на выходе • Файл Power BI (.pbix) или Excel BI • Настроенную модель данных • Все KPI в расчётах • Инструкцию по обновлению данных • 1–2 итерации правок Обязательные требования к исполнителю Важно: ✔ Опыт разработки BI-дашбордов (не только визуалов) ✔ Опыт расчётных показателей (DAX / Power Pivot / SQL-логика) ✔ Понимание KPI-моделей ✔ Опыт работы с несколькими источниками данных Будет большим плюсом — Опыт управленческой аналитики — Опыт построения рейтингов / scoring моделей — Опыт What-If сценариев — Опыт Power BI DAX на хорошем уровне В отклике прошу сразу указать 1. В какой BI системе будете делать 2. Примеры похожих проектов 3. Работали ли с KPI-score моделями 4. Работали ли с What-If параметрами 5. Оценку сроков Важно Проект выполняется в рамках управленческого и исследовательского проекта в сфере культуры. Нужен человек, который понимает, что это не просто визуализация, а управленческий инструмент принятия решений.

Data Science. Разработка с нуля. Ищу Python-разработчика для создания системы сравнительного анализа двух источников данных – полей БД SQLite и Excel. Задача: - автоматизировать cсопоставление полей БД (нормализованные таблицы: группа, альбом, лейбл, страна, кат.номер, дата/год и страна релиза) с данными Excel (заголовок, описание – неструктурированные данные) - проводить ранжирование приоритетных сопоставлений по рейтингу и цене. Технологии: - Python 3.10+ (pandas, numpy, sqlite3) - Fuzzy matching (rapidfuzz/fuzzywuzzy или sentence-transformers) - SQLite - Excel Требования к специалисту: - Опыт pandas/SQLite - Понимание fuzzy string matching (rapidfuzz, Levenshtein) - Навыки data preprocessing (регулярки, очистка текста) - Опыт ранжирования по весовым коэффициентам - Желательно: ML (sentence embeddings).

Data Science. Доработка существующего продукта. Необходимо доработать файл сбора данных формата xlsx по определенным требованиям к формированию, необходима установка макросов, диаграм, возможность получения документа на печать по определенному виду.

По открытым данным требуется составить глубокий анализ и предложить точки роста шампуня с ОЗОНА. Детали скину в личные сообщения.