Data scientist — удалённая работа в Москве

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.

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.

Data Science. Доработка существующего продукта. Домашка по градиентному спуску.

Data Science. Извлечение данных с iPhone.