Data scientist — удалённая работа в Москве

Разработка с нуля. Построить ETL процесс загрузки данных из источника в Pg/ClickHouse с помощью Airflow, dbt от src до ods Источник: БД (Postgres, MySQL, MongoDB) или API Захват изменений (каждый пункт считается) Snapshot - 1 балл Increment - 1 балл CDC - 2 балла Обработка данных в базе stg to raw - 1 балл raw to ODS - 1 балл Использование dbt - 2 балла Разложение по dim/fct - 1 балл SCD2 dim - 1 балл сделать приватный репо в гитхабе и docker-compose, который запуcnbncz и получтся финальая база с ODS. для CDC использовать источник и таргет одинаковый (postgres) скрипт для подключения к бд предоставлю.

Data Science. Разработка с нуля, тестирование, настройка. Пожелания и особенности: база данных в VizualStudioCode и Xamp, В sql тоже.

Подготовка к собеседованию в магистратуру. Мне необходимо подготовиться с теоретической и с практической точки зрения к собеседованию в магистратуру "Data science" (есть бэкграунд). Файл с полным перечнем прикреплен Блок 1. Математика 1. Линейное пространство (ЛП). Линейная зависимость и независимость. Базис и размерность ЛП, их связь. Замена базиса, матрица перехода, преобразование координат при замене базиса. (А. Г. Курош. Курс высшей алгебры) 2. Матрицы. Ранг матрицы, ранг произведения матриц, ранг транспонированной матрицы. Определитель матрицы. Определитель произведения. (А. Г. Курош. Курс высшей алгебры) 3. Евклидовы и унитарные пространства. Свойства скалярного произведение, неравенство Коши — Буняковского. (А. Г. Курош. Курс высшей алгебры) 4. Норма, ортонормированный базис. Разложение пространства в прямую сумму подпространства и его ортогонального дополнения. (А. Г. Курош. Курс высшей алгебры) 5. Линейный оператор и его матрица. Преобразование матрицы при замене базиса, характеристический многочлен. Собственные векторы и значения, геометрический смысл. (А. Г. Курош. Курс высшей алгебры) 6. Квадратичные формы, их знакоопределенность и канонический вид. Унитарные и нормальные операторы. (А. Г. Курош. Курс высшей алгебры) 7. Производные. Необходимое и достаточное условия дифференцируемости функции. Частные производные. Полный дифференциал. Дифференцирование сложной функции. (Г. М. Фихтенгольц. Курс дифференциального и интегрального исчисления) 8. Градиент функции. Безусловный экстремум функции многих переменных. Необходимые и достаточные условия экстремума функции многих переменных. Условный экстремум. (Г. М. Фихтенгольц. Курс дифференциального и интегрального исчисления) и др. Блок 2. Информационные технологии 1. Высокоуровневые языки программирования. Переменные, условия, циклы, массивы, функции, рекурсия. Реализация в машинном коде. Компиляторы и интерпретаторы. (Б. Страуструп язык программирования С++) 2. Язык программирования Python. Хранение данных в памяти, копирование, скалярные типы данных и правила работы с ними. Приведение типов. Приоритеты операций. (Лутц, М. Изучаем Python) 3. Строки в Python. Операции со строками. Основные функции и функция str(). Форматный ввод/вывод. Спецификации формата: правила их записи и использования. (Лутц, М. Изучаем Python) 4. Циклы и условия в языке программирования Python. Функция range(). (Лутц, М. Изучаем Python) 5. Списки, кортежи, словари, множества в Python. Особенности, назначение и основные методы работы. (Лутц, М. Изучаем Python) 6. Функции в Python. Области видимости, рекурсия, lambda функции. (Лутц, М. Изучаем Python) 7. Многомодульные программы. Связь программных модулей. Области видимости. Операторы import, from …import и from…import *. Менеджер пакетов pip и правила работы с ним. Установка библиотек, версии. Работа с requirements.txt. (Лутц, М. Изучаем Python) и др. Пример практического задания: Реализовать сортировку методом пузырька на любом языке программирования.

Data Science. Простой пайплайн с ОСR старославянских текстов из сканов. Работаю над созданием кастомной OCR-модели под старославянский текст XVI–XVII вв. Есть проблема, которую стандартные движки не решают: – 10–15 типов надстрочных знаков, – нестандартная раскладка, – редкие кириллические и греческие символы, – проблема сегментации (диакритика «уезжает» в отдельную строку). Нужен специалист, который понимает как решать и имеет практический опыт работы с задачами: 1. Разметка строк вручную/полуавтоматически. 2. Создание датасета пар «скан ? текст». 3. Тестирование Kraken (обязательно)/Calamari(по возможности): – line segmentation, – training alphabets, – ground truth mapping. 4. Построение минимального прототипа пайплайна: папка A (исходные сканы) + CLI-скрипт -> папка B (текстовый результат в правильной раскладке). 5. Создание краткого аргументированного отчёта о том, какой путь обучения модели реалистичен и оптимален для решения поставленной задачи. На первом этапе — пилот за начальную сумму Это R&D-этап. Если подходим друг другу — продолжение проекта: обучение основной модели (кратно больший бюджет). От вас нужны: – опыт OCR или ML; – понимание сегментации строк; – умение работать с нестандартными алфавитами. Для пилота дам 5–10 страниц сканов и эталоны. Пишите кратко: с какими OCR-движками работали, 2-3 примера похожих решенных задач. Вышлю дополнительные вопросы и материалы. Желаю всем взаимовыгодных проектов! С уважением, Алексей.

Настройка. 1. Настроить метрику покупку eCommerce 2. Поправить капчу на cms Joomla 3. Проверить остальные Цели и Сегменты в метрике. Основное: настроить корректную передачу eCommerce-события purchase из JoomShopping в Яндекс.Метрику через dataLayer + GTM. На данный момент purchase-данные не отправляются, Метрика не получает данные, цель «Ecommerce: покупка» пустая. Что нужно сделать! ШАГ 1. Добавить dataLayer.push на страницу завершения заказа ШАГ 2. Настроить GTM ШАГ 3. Проверить отображаются ли заказы. Проверка обязательно. Развернутое тз есть Специалисты с опытом!.

Data Science. Разработка с нуля, настройка. Пожелания и особенности: Требуется эксперт с опытом конфигурации пайплайна на dagster с dbt для on-prem BI системы.

Data Science. Доработка существующего продукта.