Data scientist – работа для фрилансеров в Москве

Data Science. Разработка с нуля. Собрать автоматизированный парсер базы.

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

Настройка, доработка существующего продукта.

Data Science. Задание по учебе на SQL.

Data Science. Настройка. Задача следующая: есть выгрузка из системы в формате Excel по закупкам в регионе. Мы всё время считаем по одному алгоритму: 1. Определяем сумму всех закупок по региону. Определяем количество всех закупок по региону. 2. В списке определяем Топ-5 процедур по региону. Нюанс в том, что из всех закупок у нас есть одна процедура, которая состоит из двух, например, мы должны найти процедуру «Оборудование» и процедуру «Медицина», сложить их и назвать «Медицинское оборудование». Остальные процедуры не суммируемся, из всего этого выбираем ТОП-5. Можно ли это автоматизировать через Power Query? Бывает по 10+ выгрузок файлов с региональными закупками.

Разработка с нуля, надо разработать парсер социальных сетей для поиска контактов. Создание парсера социальных сетей, которые позволят искать множество контактов нужных специалистовраховых агентов). создание парсера социальных сетей, которые позволят искать множество контактов нужных специалистовраховых агентов)

Разработка с нуля. Пожелания и особенности: Нужно ответить на вопрос в виде небольшого доклада: Какие фокусные направления выбрал бы сейчас для максимального буста в сфере ИЖС и ипотеке на ИЖС в частности?.

Data Science. Помощь с дз по информатике 1курс. Пожелания и особенности: Я студентка первого курса ничего не понимаю в компьютеров. Мне нужен человек который будет мне делать домашнее задание 🥺.

Data Science. Настройка. Настройка программного стека с использованием RAG и DeepSeek LLM 7B для генерации персонализированных рекомендации Цель настроить программный стек, позволяющий: -принимать запросы пользователей через API, -получать из БД актуальные пользовательские данные -формировать корректный промпт с использованием retrieved data, -отправлять промпт в LLM (DeepSeek LLM 7B) через Ollama сервер, -получать и отдавать пользователю ответ в виде текстового чата. LLM сервер- Ollama Backend API - написать REST API на FastAPI (Python 3.10+) Минимум 1 endpoint Retrieval (доступ к данным пользователя) - использовать PostgreSQL (поднять на сервере) Prompt Builder (формирование prompt для LLM) -собрать данные по user_id. Сформировать структурированный prompt Интеграция с LLM -отправлять сформированный prompt в Ollama API Парсить ответ и отдавать пользователю - Open WebUI Опыт работы: желательно использовать готовые наработки.

Data Science. Настройка, доработка существующего продукта, тестирование, разработка с нуля. Здравствуйте, необходима услуга по настройки Чат джипити под свои задачи ? Примеры задач: 1. перепродажа продукции: на входе прайс-листы наших поставщиков с ценой, фото и описанием, на выходе наше коммерческое предложение на указанные позиции с фото, ценой продажи и описанием 2. помощник менеджера по продажам. на входе техническая информация о товаре, скрипты продаж, успешные кейсы на выходе подсказки по запросу 3. помощь технологу при написании последовательности сборки изделия на входе тех. описание продукции, справочник операций, эскиз изделия примеры технологий на выходе написанная пооперационная технология сборки конкретного изделия.

3 задания по анализу данных в файле (класстерный, факторный анализ).

Data Science. Доработка существующего продукта.

Доработка существующего продукта. Обработка файлов изменения откуда тащить данные(вытянуть данные сайта с ценами и товаром.

Data Science. Помощь с учебным проектом. Пожелания и особенности: Big Data и Apache Spark . Помочь с учебным проектом.

Data Science. Настройка. Всем привет,мне нужен специалист довольно узкого профиля,больше уже скажу в переписке.

Data Science. Разработка с нуля. Требуется спарсить данные с сайта и данные координат из карт гугл и яндес.

Data Science. Настройка. Пожелания и особенности: Нужна помощь с анализом данных в программе citespace.

Разработка ПО. Data Science. Доработка существующего продукта.

Data Science. Настройка. Нужно подобрать программ для работы.

Разработка с нуля. Эксель анализ.

Доработка существующего продукта. Кластерный анализ для выбора локаций под офисы банка(пишу курсовую работу) Цель — выявить наиболее привлекательные локации для открытия новых офисов банка с помощью кластерного анализа методом K-Means 1. Подготовка данных Очистить данные от выбросов (используя статистические методы: z-оценка, межквартильный размах). Обработать пропущенные значения: указать долю пропусков по каждому признаку, использовать метод заполнения на усмотрение исполнителя с обоснованием 2. Кластеризация (метод K-Means) Подобрать оптимальное количество кластеров (использовать метод «локтя»). Опционально — сравнить качество кластеризации при различных вариантах набора переменных 3. Анализ кластеров Вычислить средние значения ключевых показателей по каждому кластеру. Представить результат в табличном виде. Дать краткую интерпретацию каждого кластера 4. Проверка устойчивости кластеров 5. Визуализация топ-локаций В каждом кластере выбрать 3–5 наиболее перспективных локаций по внутренним метрикам (плотность населения, средний доход и пр.). Отобразить выбранные точки на карте Санкт-Петербурга (с названием адреса) 6. Финальный отчет Кратко описать проделанные шаги и основные выводы по кластерам в формате текста или голосового сообщения. Передать код на Python, визуализации.

Доработка существующего продукта. 🔍 Что нужно сделать: На основе описания товара (например: "диван, серый, кожаный, минимализм") выполнить поиск аналогов. Интегрировать один или несколько источников: API маркетплейсов (eBay, Яндекс.Маркет и др.) AI-сервисы по поиску товаров по описанию/изображению Парсинг сайтов (AliExpress, Wildberries и др., если нет API) Вернуть результат в виде списка карточек товаров: Фото Название Цена Ссылка Магазин Обеспечить интеграцию с UI (JSON-ответ, пример будет предоставлен).

Data Science. Доработка существующего продукта. Необходимо реализовать в коде алгоритмы работы сданными CSV. pandas, nympy, matplotlib,.

Data Science. Разработка с нуля. Пожелания и особенности: Создание базы данных на основе Microsoft Accses.

Доработка существующего продукта, найти ошибку в округлении чисел в таблице Р7-ОФИС и как ее можно исправить.

Data Science. Тестирование, разработка с нуля. Консультация и помощь студенту.

работа с информацией в excel. Тщательная сверка данных: Выявление и исправление расхождений, ошибок ввода, дубликатов, несоответствий форматов в крупных массивах данных. Глубокий анализ на корректность: Проверка логики формул, корректности ссылок, работы макросов (если используются), достоверности расчетов. Контроль целостности данных: Обеспечение полноты наборов данных, проверка связей между таблицами/листами, соответствия данных исходным источникам или ТЗ. Формирование отчетов об ошибках: Документирование найденных несоответствий с четким описанием проблемы и рекомендациями по исправлению. Работа с формулами и функциями: Понимание и проверка сложных формул (ВПР/XLOOKUP, СУММЕСЛИ/SUMIFS, ЕСЛИ/IF, индекс/позиция и т.д.), сводных таблиц. Структурирование данных: Приведение данных к единому формату для облегчения последующего анализа и проверки. требуются с опытом и без!.

Доработка существующего продукта. Я пытаюсь разобраться как в Catboost Classifier считается скор фичи выводимый. Его реализация не соответствует документации, любые попытки через открытый код github разобраться в том как он считается также ни к чему не привели. Требуется скомпилировать свою версию кэтбуста где можно было бы использую print вывести формулу скора и проверить что она соответствует тому что выводится в логе на скриншоте. Разработчики кэтбуста снабдили меня презентацией как это делается, прикладываю её к заказу.

Data Science. Разработка с нуля. Пожелания и особенности: Нужна программа по учету продукции, динамике продаж и хранению. Типа СRM в экселе. Аналог отчета из 1С - анализ продаж , склад и т.п. если есть возможность сделать программу которая бы могла взаимодействовать с озоном и ВБ автоматическом режиме…по деньгам договоримся.

Data Science. Настройка, доработка существующего продукта. Настроить формулу в гугл таблицах расчета количества рабочих дней учитывая: 1) график работы 5/2, 7/0, 6/1, 2/2 2) праздничные дни 3) год не только 2025, но и последующие 4) праздничные дни всё равно рабочие.

Data Science. Восстановить флешку. Флешка перестала читаться ноутбуком. Необходимо восстановить информацию или скопировать от туда на другой носитель.

Data Science. Разработка с нуля, тестирование, настройка, доработка существующего продукта. Определить какую структуру нейросети можно использовать.

Объяснение гипотез, проверку гипотез, p-value, тесты и 1-2 ошибки. Объяснение гипотез, проверку гипотез, p-value, тесты Стьюдента и 1-2 рода ошибки.

Data Science. Консультация. -.

Data Science. Разработка с нуля. Техническое задание на разработку сервиса распознавания изображений с заполнением Excel-таблицы 1. Цель проекта Разработать веб-сервис, который позволяет пользователям загружать изображения, выполнять распознавание содержимого с помощью искусственного интеллекта (ИИ), и автоматически заполнять структурированную таблицу Excel на основе распознанных данных. 2. Основные функции 2.1. Интерфейс пользователя Загрузка одного или нескольких изображений (JPEG, PNG, HEIC, др.). Просмотр статуса обработки каждого изображения. Скачивание готового Excel-файла с результатами. 2.2. Обработка изображений Предобработка изображений: поворот, обрезка, повышение контрастности (при необходимости). Использование модели компьютерного зрения (например, OCR с поддержкой layout-анализов или object detection, в зависимости от задачи). Распознавание следующей информации (в зависимости от типа изображений): Текст (например, с документов, чеков, актов). Табличные данные. Объекты и их количественные характеристики (например, номер, дата, наименование, цена, количество, и т.п.). 2.3. Генерация Excel-файла Создание и сохранение Excel-файла по шаблону. Структура таблицы зависит от типа данных (обсуждается отдельно). Возможность выгрузки данных в формате .xlsx. 3. Требования к системе 3.1. Технологический стек (предлагаемый) Backend: Python (FastAPI / Flask) Модель ИИ: Tesseract OCR / LayoutLM / YOLO / custom model (в зависимости от специфики) Excel: openpyxl или pandas + xlsxwriter Frontend: React / Vue (или минимальный HTML+JS интерфейс) Хранение: локальное или S3/облако (по задаче) Docker для упаковки 3.2. Производительность Обработка одного изображения — не более 5 секунд. Поддержка пакетной обработки до 20 изображений за одну сессию. 3.3. Масштабируемость Возможность запуска в облаке (AWS, GCP, Yandex Cloud). Возможность подключения очередей задач (Celery + Redis) при росте нагрузки. 4. Входные и выходные данные 4.1. Входные данные Форматы: .jpg, .png, .bmp, .heic Размер файла: до 10 МБ Кол-во файлов за сессию: до 20 4.2. Выходные данные Excel-файл (.xlsx) Структура таблицы: согласуется по формату исходных изображений. Пример: | № | Дата | Название товара | Кол-во | Цена | Сумма | 5. Безопасность Ограничение по размеру и числу загружаемых файлов. Очистка пользовательских данных после обработки (по истечении сессии). Ограниченный доступ (при необходимости — через регистрацию/авторизацию). 6. Этапы разработки Сбор требований и уточнение типа изображений. Разработка прототипа ИИ-модуля распознавания. Реализация backend-сервиса. Интеграция с Excel. Разработка пользовательского интерфейса. Тестирование. Развертывание и документация. 7. Возможные улучшения (в будущем) Автоматическая классификация типа документов. Обучение кастомной модели на специфических изображениях. Поддержка других форматов (PDF, скан-копии и т.п.). Интеграция с Google Sheets / CRM.

Графики для визуализации результатов проверки гипотез (mosaic plot). НУЖНО СДЕЛАТЬ СЕГОДНЯ ДО 9:00 (Мск) Откликнитесь, пожалуйста:( Задача: Описательные статистики, посчитанные на уже предобработанных данных по ЗП для каждой гипотезы минимум, максимум, размах, среднее, медиана, стандартное отклонение и межквартильный размах, асимметрия и эксцесс интерпретация и выводы из описательных статистик если корреляционный дизайн — описательные статистики по всем переменным, для которых проводится корреляция Описательные визуализации минимум — график плотности вероятности / гистограмма или столбчатая диаграмма для ЗП из каждой гипотезы интерпретация визуализаций Визуализации потенциальных различий и демонстрация ожидаемого эффекта Графики должны быть подходящими для визуализации результатов проверки гипотез: если гипотеза о сравнении средних в разных группах — это боксплот или вайолин плот, или просто точки, обозначающие средние в разных группах (обязательно с «усами» — доверительными интервалами или стандартной ошибкой среднего!) если гипотеза о наличии связи между переменными — это диаграмма рассеяния (scatterplot) с прорисованной линией тренда (особенно в случае регрессионного анализа), возможно также подойдет corrplot или heatmap, а для порядковых переменных или визуализации анализа таблиц сопряженности — мозаичный график (mosaic plot) Интерпретация и пояснения к графикам, что они означают [дополнительно] Черновик статистического анализа: как будет применяться выбранный метод к выбранным данным, какие переменные и колонки и как будут использо.

Data Science. Разработка с нуля, доработка существующего продукта. Пожелания и особенности: Мы типография которая занимается реализацией заказов на вб и авито. Нужно создать базу данных макетов для печати, которые будут сохраняться в бд через бота в тг. Заказу дается имя по системе 06.07 это дата 50/70 это размер картины 88888888 номер сделки в амо срм Пример макета 0607507088888888 Так же нужны будут накладные на этот заказ, которые будут док документом и так же называться как и макет. Вся все эти данные менеджер вписывает в амо и номер сделки так же, уже есть интеграция через апи с Гугл таблицами. Проект почти полностью готов, но нас не устраивает качество и скорость выполнения прошлого подрядчика. Всю систему с тз расскажу и покажу, логика простая, без заковырок. Всем спасибо за отклики.

Разработка с нуля. 1. Цель Определить перспективные товарные ниши на Wildberries с высоким спросом и низкой конкуренцией для успешного запуска продаж. 2. Критерии анализа ниши 2.1. Спрос Объем продаж: среднее количество продаж в месяц (топ-20 товаров ниши). Динамика роста: рост спроса за последние 3–6 месяцев. Сезонность: наличие/отсутствие резких колебаний спроса. 2.2. Конкуренция Количество продавцов: число активных поставщиков в нише. Насыщенность ассортимента: количество товаров в категории. Уровень цен: средний ценовой диапазон (низкий/средний/премиум). Качество конкурентов: наличие крупных брендов, уровень отзывов.

Data Science. Доработка существующего продукта. Есть полуготовая курсовая (готовая база данных для работы, недописанный, но рабочий код python и сырой документ ) надо дописать код (большая часть есть) и улучшить и дописать ворд файл. отправлю файлы при отклике ТЗ по коду: 1)Разбить код на части (сейчас все функции находятся в одном файле) 2)Интегрировать функции для запроса таблиц и кодов регионов в функции 3)Написать функции для отображения таблиц из части работа с бд 4)Добавить в функции редактирования бд вывод таблиц до/после 5)Сделать нормальное меню, как должно выглядеть отправлю.

Перенос информации из одного формата в другой (например, из PDF или изображения в таблицу Excel или Google Sheets). В чем заключаются основные задачи: Перенос информации из одного формата в другой (например, из PDF или изображения в таблицу Excel или Google Sheets). Копирование контактных данных (имена, email, телефоны) с сайтов в таблицу. Заполнение простых форм на основе предоставленных данных. Коррекция мелких ошибок в существующих списках (опечатки в email, номерах телефонов). Сортировка и систематизация простых списков (по алфавиту, дате, категории).

Доработка существующего продукта. Требуется внимательный и ответственный удаленный специалист (с опытом и без) для проверки, анализа и верификации данных в таблицах Microsoft Excel. Ваша основная задача – обеспечить абсолютную точность и целостность информации, работа не сложная, такую обычно выполняют за 1.5 - 2 часа.

аналитические данные. Нужна аналитика по застройщикам Крыма - преимущественно Евпатория -Аналитика должна содержит основные пункты- Застройщик,срок сдач, строительная готовность,срок сдачи,цена 1 ком кв 2 ком с площадью - цена м2, объем продаж за предыдущий год с ценами по которым было продано.

Data Science. Разработка с нуля, доработка существующего продукта. Есть массив данных с объявлениями о продаже и аренде недвижимости. Нужно быстро проверить снято или нет объявление с публикации. площадки две - Циан и Домклик.

Доработка существующего продукта. Пожелания и особенности: Пишу диплом по применению нейронных сетей в физике Появились сложности с самостоятельной реализацией Нужна помощь с кодом.

Разработка с нуля. Необходимо на основании действующего документа exel создать, таблицу для составления смет.

Data Science. Настройка. Необходимо восстановить случайно удаленную переписку в приложении.

Разработка с нуля.

Консультирование - обучение. Нужно помочь составить решение для многокритериальной оптимизации с ограничениями.

Data Science. Разработка с нуля. Нужно решить задачу по Элементам статистики. Описание в приложенном фйле.

анализ данных. Нужно проанализировать данные для диплома, есть уже датасет, гипотезы и теоретическая модель.