Data scientist — удалённая работа в Москве

работа по ТЗ. Контекст задания Вы работаете аналитиком в финансовой компании, которая занимается управлением инвестиционными фондами. Компания собирает средства от множества инвесторов и инвестирует их в различные финансовые инструменты, такие как акции, облигации и другие ценные бумаги. Руководство просит Вас провести анализ финансового состояния компании, в которые планируются инвестиции, для принятия обоснованных решений – стоит ли покупать их акции? Что нужно сделать Вам доступны выгрузки данных в формате csv. Описание данных доступно в приложении. https://cloud.mail.ru/public/rdWa/69woxLWXf Выберите любую компанию, информацию о которой вы найдете в выгрузке. Изучите данные и подготовьте ответы на вопросы руководства. Вопросы: Какая структура собственников у компании? Какая у компании рыночная капитализация? Как она изменилась за последние 5 лет? Какая за последний год выручка у компании? Растет ли она? Какая прибыль? Растет ли прибыль? Какая у компании выручка и прибыль на 1 акцию? Как менялся этот показатель? Сколько активов и сколько обязательств у компании? Что растет быстрее? Визуализируйте полученные ответы. Для выполнения задания Вы можете использовать любой доступный инструмент.

Разработка с нуля. 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 5. Подготовьте отчет с описанием выполненных шагов и результатами анализа данных. База данных выбрана.

Сайдинг на вфасад. Фасад дачи сайдингом отделать.

Разработка с нуля.

консультация по работе. Представьте, что вы работаете аналитиком в компании, которая исследует различные виды фруктов. Ваша задача — построить модель для классификации фруктов на основе их физических характеристик (например, вес и размер). Вам нужно создать двумерный набор данных с информацией о различных фруктах и применить алгоритм KNN для предсказания типа фрукта. Создайте (Рандомно сгенерируйте) таблицу данных (начните со 100 значений) с следующими характеристиками Вес (число с плавающей запятой): Вес фрукта в граммах Размер (число с плавающей запятой): Диаметр фрукта в сантиметрах Тип_фрукта (категория): Тип фрукта (например, яблоко, апельсин, банан) Загрузите данные в pandas DataFrame. Преобразуйте категориальные переменные в числовые (например, с помощью LabelEncoder). Разделите данные на признаки (X) и целевую переменную (y). Разделите данные на обучающую и тестовую выборки. Постройте модель KNN и обучите её на обучающей выборке. Найдите оптимальное значение K по графику Визуализируйте результаты Ожидаемые результаты График зависимости точности от значения k/ Оптимальное значение ?? График, показывающий реальные и предсказанные классы на тестовой выборке.

Data Science. Доработка существующего продукта. У меня есть код по обработке снимков в Google Earth Engine (GEE) на питоне, мне нужно его доработать, сделать читабельнее и логичнее.

Data Science. Разработка с нуля, тестирование, настройка. Пожелания и особенности: Нужна база данных оценок учеников, сожержащая несколько лет данных. С разными вкладками.