Π’Ρ…ΠΎΠ΄ Π‘Π»ΠΎΠ³
Π‘Ρ‚Ρ€ΠΎΠΈΡ‚Π΅Π»ΡŒΡΡ‚Π²ΠΎ ΠΈ Ρ€Π΅ΠΌΠΎΠ½Ρ‚
Π Π΅ΠΏΠ΅Ρ‚ΠΈΡ‚ΠΎΡ€Ρ‹
ΠšΡ€Π°ΡΠΎΡ‚Π°
ЀрилансСры
Π Π°Π·Π½Ρ‹Π΅ спСциалисты
Π’Ρ€Π΅Π½Π΅Ρ€Ρ‹
Π£Ρ…ΠΎΠ΄ Π·Π° ΠΆΠΈΠ²ΠΎΡ‚Π½Ρ‹ΠΌΠΈ
Автоинструкторы

ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠΈΡΡ‚Ρ‹ β€” удалённая Ρ€Π°Π±ΠΎΡ‚Π° Π² МосквС

Π”Π°Ρ‚Π°: 2026-05-07
Π”Π΅Ρ‚Π°Π»ΠΈ
Π Π΅Π³ΠΈΠΎΠ½
Москва
Π—Π°Π½ΡΡ‚ΠΎΡΡ‚ΡŒ
дистанционно
Π‘Ρ‚ΠΎΠΈΠΌΠΎΡΡ‚ΡŒ
договорная
Π”Π°Ρ‚Π° ΠΏΡƒΠ±Π»ΠΈΠΊΠ°Ρ†ΠΈΠΈ
2026-05-07
ОписаниС
Data Science. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля. Π•ΡΡ‚ΡŒ Ρ„Π°ΠΉΠ» с ΠΊΠΎΠ΄ΠΎΠΌ Π½Π° Π‘++, ΡƒΠΆΠ΅ Π³ΠΎΡ‚ΠΎΠ²Ρ‹ΠΉ ВСхничСскоС Π·Π°Π΄Π°Π½ΠΈΠ΅ (Π’Π—) Π½Π° Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΡƒ C++ ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΡ‹ 1. ΠžΠ±Ρ‰Π°Ρ постановка Π·Π°Π΄Π°Ρ‡ΠΈ Π Π°Π·Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΡƒ Π½Π° C++ для числСнного модСлирования ΠΊΠΎΠ»Π»Π΅ΠΊΡ‚ΠΈΠ²Π½ΠΎΠΉ Π΄ΠΈΠ½Π°ΠΌΠΈΠΊΠΈ сСти Π½Π΅ΠΉΡ€ΠΎΠ½ΠΎΠ² Π€ΠΈΡ‚Ρ†Π₯ью-Нагумо (ЀН) с Π²Π·Π°ΠΈΠΌΠ½Ρ‹ΠΌΠΈ связями. ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° Π΄ΠΎΠ»ΠΆΠ½Π° ΡƒΡ‡ΠΈΡ‚Ρ‹Π²Π°Ρ‚ΡŒ Ρ„ΠΎΡ€ΠΌΡƒΠ»Ρ‹, написанныС ΠΏΡ€Π΅ΠΏΠΎΠ΄Π°Π²Π°Ρ‚Π΅Π»Π΅ΠΌ ΠΎΡ‚ Ρ€ΡƒΠΊΠΈ (листочки с уравнСниями), Π° Π½Π΅ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ ΠΊΠ»Π°ΡΡΠΈΡ‡Π΅ΡΠΊΡƒΡŽ модСль ΠΈΠ· курсовой. ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° Π΄ΠΎΠ»ΠΆΠ½Π° ΠΊΠΎΠΌΠΏΠΈΠ»ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒΡΡ Π² MINGW (g++), Π° визуализация Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚ΠΎΠ² Π΄ΠΎΠ»ΠΆΠ½Π° Π²Ρ‹ΠΏΠΎΠ»Π½ΡΡ‚ΡŒΡΡ Ρ‡Π΅Ρ€Π΅Π· Gnuplot (ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° сохраняСт Π΄Π°Π½Π½Ρ‹Π΅ Π² тСкстовыС Ρ„Π°ΠΉΠ»Ρ‹, Π³Ρ€Π°Ρ„ΠΈΠΊΠΈ строятся ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½ΠΎ). 2. ΠœΠ°Ρ‚Π΅ΠΌΠ°Ρ‚ΠΈΡ‡Π΅ΡΠΊΠ°Ρ модСль (основныС уравнСния) Π Π΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Ρ‚ΡŒ систСму для ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ Π½Π΅ΠΉΡ€ΠΎΠ½Π° i Π² сСти: Β· Быстрая пСрСмСнная v_i (ΠΌΠ΅ΠΌΠ±Ρ€Π°Π½Π½Ρ‹ΠΉ ΠΏΠΎΡ‚Π΅Π½Ρ†ΠΈΠ°Π») Β· МСдлСнная пСрСмСнная w_i (восстановлСниС) УравнСния (согласно ΠΏΠΎΠΌΠ΅Ρ‚ΠΊΠ°ΠΌ прСподаватСля): \epsilon\frac{dv_i}{dt} = v_i - \frac{v_i^3}{3} + I_{syn} + I_{ext} \frac{dw_i}{dt} = a(v_i + b - c w_i) Π“Π΄Π΅: Β· I_syn β€” синаптичСский Ρ‚ΠΎΠΊ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³ΠΈΡ… Π½Π΅ΠΉΡ€ΠΎΠ½ΠΎΠ² Β· I_ext β€” внСшний сигнал (пСриодичСский, ΠΈΠΌΠΏΡƒΠ»ΡŒΡΠ½Ρ‹ΠΉ, ΡˆΡƒΠΌ) Β· ?, a, b, c β€” ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ ΠΌΠΎΠ΄Π΅Π»ΠΈ (Π·Π°Π΄Π°ΡŽΡ‚ΡΡ ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»Π΅ΠΌ ΠΈΠ»ΠΈ фиксированы) БинаптичСский Ρ‚ΠΎΠΊ (ΡƒΠ½ΠΈΠ²Π΅Ρ€ΡΠ°Π»ΡŒΠ½Π°Ρ Ρ„ΠΎΡ€ΠΌΠ°): I_{syn} = \sum_{j} g_{ij} \cdot (v_j - v_i) Для элСктричСской связи β€” линСйная Ρ„ΠΎΡ€ΠΌΠ°. Для химичСской связи β€” с Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠΉ ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½ΠΎΠΉ s_ij(t) ΠΈ ΠΏΠΎΡ‚Π΅Π½Ρ†ΠΈΠ°Π»ΠΎΠΌ рСвСрса v_rev. 3. Π’ΠΈΠΏΡ‹ сСтСй (Ρ€Π΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Ρ‚ΡŒ всС) ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° Π΄ΠΎΠ»ΠΆΠ½Π° ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΈΠ²Π°Ρ‚ΡŒ ΠΏΠ΅Ρ€Π΅ΠΊΠ»ΡŽΡ‡Π΅Π½ΠΈΠ΅ ΠΌΠ΅ΠΆΠ΄Ρƒ Ρ‚ΠΈΠΏΠ°ΠΌΠΈ сСти Ρ‡Π΅Ρ€Π΅Π· ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ Π² ΠΊΠΎΠ½Ρ„ΠΈΠ³ΡƒΡ€Π°Ρ†ΠΈΠΈ: β„– Π’ΠΈΠΏ сСти ОписаниС 1 1D Ρ†Π΅ΠΏΠΎΡ‡ΠΊΠ° НСйроны соСдинСны ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ (с сосСдями слСва/справа) 2 1D ΠΊΠΎΠ»ΡŒΡ†ΠΎ Π¦Π΅ΠΏΠΎΡ‡ΠΊΠ°, Π³Π΄Π΅ ΠΏΠ΅Ρ€Π²Ρ‹ΠΉ ΠΈ послСдний Π½Π΅ΠΉΡ€ΠΎΠ½Ρ‹ Ρ‚Π°ΠΊΠΆΠ΅ соСдинСны 3 2D ΠΏΡ€ΡΠΌΠΎΡƒΠ³ΠΎΠ»ΡŒΠ½Π°Ρ Ρ€Π΅ΡˆΠ΅Ρ‚ΠΊΠ° Бвязи с 4 сосСдями (Π²Π²Π΅Ρ€Ρ…/Π²Π½ΠΈΠ·/Π²Π»Π΅Π²ΠΎ/Π²ΠΏΡ€Π°Π²ΠΎ) 4 2D Ρ€Π΅ΡˆΠ΅Ρ‚ΠΊΠ° с пСриодичСскими Π³Ρ€Π°Π½ΠΈΡ†Π°ΠΌΠΈ (Ρ‚ΠΎΡ€) ΠŸΡ€ΠΎΡ‚ΠΈΠ²ΠΎΠΏΠΎΠ»ΠΎΠΆΠ½Ρ‹Π΅ края соСдинСны 5 Полносвязная ΡΠ΅Ρ‚ΡŒ ΠšΠ°ΠΆΠ΄Ρ‹ΠΉ Π½Π΅ΠΉΡ€ΠΎΠ½ связан со всСми ΠΎΡΡ‚Π°Π»ΡŒΠ½Ρ‹ΠΌΠΈ ΠšΠΎΠ»ΠΈΡ‡Π΅ΡΡ‚Π²ΠΎ Π½Π΅ΠΉΡ€ΠΎΠ½ΠΎΠ² β€” Π΄ΠΎ 100 (задаётся ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»Π΅ΠΌ). 4. Π’ΠΈΠΏΡ‹ синаптичСской связи (Ρ€Π΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Ρ‚ΡŒ ΠΎΠ±Π°) Β· ЭлСктричСская связь (линСйная, двунаправлСнная, мгновСнная) Β· Π₯имичСская связь (пороговая, с ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½ΠΎΠΉ s(t), ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ Π²ΠΎΠ·Π±ΡƒΠΆΠ΄Π°ΡŽΡ‰Π΅ΠΉ ΠΈΠ»ΠΈ Ρ‚ΠΎΡ€ΠΌΠΎΠ·Π½ΠΎΠΉ) ΠŸΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ связи (сила g, ΠΏΠΎΡ‚Π΅Π½Ρ†ΠΈΠ°Π» рСвСрса) Π·Π°Π΄Π°ΡŽΡ‚ΡΡ ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚Π΅Π»Π΅ΠΌ. 5. Π’Π½Π΅ΡˆΠ½ΠΈΠ΅ воздСйствия (Ρ€Π΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Ρ‚ΡŒ всС) Π’ΠΈΠΏ Π€ΠΎΡ€ΠΌΠ° НазначСниС Π˜ΠΌΠΏΡƒΠ»ΡŒΡ ΠŸΡ€ΡΠΌΠΎΡƒΠ³ΠΎΠ»ΡŒΠ½Ρ‹ΠΉ/гауссиан ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ° ΠΏΠΎΡ€ΠΎΠ³Π° возбуТдСния ΠŸΠ΅Ρ€ΠΈΠΎΠ΄ΠΈΡ‡Π΅ΡΠΊΠΈΠΉ AΒ·sin(2?ft) ИсслСдованиС рСзонанса Π¨ΡƒΠΌ Гауссов Π±Π΅Π»Ρ‹ΠΉ ΡˆΡƒΠΌ БтохастичСская ΠΊΠΎΠ³Π΅Ρ€Π΅Π½Ρ‚Π½ΠΎΡΡ‚ΡŒ Π¨ΡƒΠΌ + сигнал Π‘ΡƒΠΌΠΌΠ° пСриодичСского + ΡˆΡƒΠΌ Π­Ρ„Ρ„Π΅ΠΊΡ‚ стохастичСского рСзонанса 6. Π§Ρ‚ΠΎ Π½ΡƒΠΆΠ½ΠΎ Π²Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚ΡŒ (Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹ ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΡ‹) ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° Π΄ΠΎΠ»ΠΆΠ½Π° ΡΠΎΡ…Ρ€Π°Π½ΡΡ‚ΡŒ Π² CSV-Ρ„Π°ΠΉΠ»Ρ‹ Π΄Π°Π½Π½Ρ‹Π΅ для ΠΏΠΎΡΠ»Π΅Π΄ΡƒΡŽΡ‰Π΅Π³ΠΎ построСния Π³Ρ€Π°Ρ„ΠΈΠΊΠΎΠ² Π² Gnuplot: 1. Π’Ρ€Π΅ΠΌΠ΅Π½Π½Ρ‹Π΅ ряды v_i(t) / w_i(t) для Π²Ρ‹Π±Ρ€Π°Π½Π½Ρ‹Ρ… Π½Π΅ΠΉΡ€ΠΎΠ½ΠΎΠ². 2. Разности Ρ„Π°Π· ΠΌΠ΅ΠΆΠ΄Ρƒ Π½Π΅ΠΉΡ€ΠΎΠ½Π°ΠΌΠΈ (для Π°Π½Π°Π»ΠΈΠ·Π° синхронизации). 3. ΠŸΡ€ΠΎΡΡ‚Ρ€Π°Π½ΡΡ‚Π²Π΅Π½Π½ΠΎ-Π²Ρ€Π΅ΠΌΠ΅Π½Π½Ρ‹Π΅ Π΄ΠΈΠ°Π³Ρ€Π°ΠΌΠΌΡ‹ (ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Π°: врСмя ? Π½ΠΎΠΌΠ΅Ρ€ Π½Π΅ΠΉΡ€ΠΎΠ½Π° ? Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ v). 4. Π—Π°Π²ΠΈΡΠΈΠΌΠΎΡΡ‚ΡŒ ΠΎΡ‚ΠΊΠ»ΠΈΠΊΠ° ΠΎΡ‚ частоты (для рСзонанса). 5. SNR (ΠΎΡ‚Π½ΠΎΡˆΠ΅Π½ΠΈΠ΅ сигнал/ΡˆΡƒΠΌ) ΠΈΠ»ΠΈ Ρ€Π΅Π³ΡƒΠ»ΡΡ€Π½ΠΎΡΡ‚ΡŒ спайков Π² зависимости ΠΎΡ‚ интСнсивности ΡˆΡƒΠΌΠ° (для стохастичСской когСрСнтности). 6. Π‘ΠΊΠΎΡ€ΠΎΡΡ‚ΡŒ распространСния Π²ΠΎΠ»Π½Ρ‹ (для Ρ†Π΅ΠΏΠΎΡ‡ΠΊΠΈ/Ρ€Π΅ΡˆΠ΅Ρ‚ΠΊΠΈ). 7. ВрСбования ΠΊ ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ΅ Β· Π―Π·Ρ‹ΠΊ: C++17. Β· ΠšΠΎΠΌΠΏΠΈΠ»ΡΡ‚ΠΎΡ€: MINGW (g++). Β· Π‘ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠΈ: Ρ‚ΠΎΠ»ΡŒΠΊΠΎ стандартныС (iostream, fstream, cmath, vector, random, chrono). Β· ЧислСнный ΠΌΠ΅Ρ‚ΠΎΠ΄: Π ΡƒΠ½Π³Π΅-ΠšΡƒΡ‚Ρ‚Π° 4-Π³ΠΎ порядка с фиксированным шагом dt = 0.001. Β· Π¨ΡƒΠΌ: Π³Π΅Π½Π΅Ρ€Π°Ρ‚ΠΎΡ€ гауссова ΡˆΡƒΠΌΠ° (стандартноС Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ΅ распрСдСлСниС Ρ‡Π΅Ρ€Π΅Π· std::mt19937). Β· Π’Π²ΠΎΠ΄ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ΠΎΠ²: Ρ‡Π΅Ρ€Π΅Π· константы Π² ΠΊΠΎΠ΄Π΅ ΠΈΠ»ΠΈ Ρ‡Π΅Ρ€Π΅Π· тСкстовый ΠΊΠΎΠ½Ρ„ΠΈΠ³ΡƒΡ€Π°Ρ†ΠΈΠΎΠ½Π½Ρ‹ΠΉ Ρ„Π°ΠΉΠ». Β· Π’Ρ‹Π²ΠΎΠ΄: тСкстовыС .csv / .dat Ρ„Π°ΠΉΠ»Ρ‹ с Ρ€Π°Π·Π΄Π΅Π»ΠΈΡ‚Π΅Π»Π΅ΠΌ , ΠΈΠ»ΠΈ ΠΏΡ€ΠΎΠ±Π΅Π»ΠΎΠΌ. 8. Π§Ρ‚ΠΎ Π΄ΠΎΠ»ΠΆΠ½ΠΎ Π±Ρ‹Ρ‚ΡŒ продСмонстрировано (ΠΈΡ‚ΠΎΠ³ΠΎΠ²Ρ‹Π΅ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹) ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ° Π΄ΠΎΠ»ΠΆΠ½Π° ΡƒΠΌΠ΅Ρ‚ΡŒ Π²ΠΎΡΠΏΡ€ΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡ‚ΡŒ всС явлСния ΠΈΠ· курсовой: Π―Π²Π»Π΅Π½ΠΈΠ΅ ΠšΡ€Π°Ρ‚ΠΊΠΎΠ΅ описаниС ΠŸΠΎΡ€ΠΎΠ³ возбуТдСния ΠœΠΈΠ½ΠΈΠΌΠ°Π»ΡŒΠ½Ρ‹ΠΉ ΠΈΠΌΠΏΡƒΠ»ΡŒΡ, Π²Ρ‹Π·Ρ‹Π²Π°ΡŽΡ‰ΠΈΠΉ спайк Ѐазовая синхронизация ΠŸΠ΅Ρ€Π΅Ρ…ΠΎΠ΄ ΠΊ синхронным спайкам ΠΏΡ€ΠΈ ΡƒΠ²Π΅Π»ΠΈΡ‡Π΅Π½ΠΈΠΈ силы связи ΠšΠ»Π°ΡΡ‚Π΅Ρ€Π½Π°Ρ синхронизация Π Π°Π·Π±ΠΈΠ΅Π½ΠΈΠ΅ сСти Π½Π° Π³Ρ€ΡƒΠΏΠΏΡ‹ с ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΠΎΠΉ Ρ„Π°Π·ΠΎΠΉ Π’ΠΎΠ»Π½Π° возбуТдСния РаспространСниС спайка ΠΏΠΎ Ρ†Π΅ΠΏΠΎΡ‡ΠΊΠ΅/Ρ€Π΅ΡˆΠ΅Ρ‚ΠΊΠ΅ РСзонанс ΠœΠ°ΠΊΡΠΈΠΌΡƒΠΌ ΠΎΡ‚ΠΊΠ»ΠΈΠΊΠ° ΠΏΡ€ΠΈ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Ρ‘Π½Π½ΠΎΠΉ частотС стимула БтохастичСская ΠΊΠΎΠ³Π΅Ρ€Π΅Π½Ρ‚Π½ΠΎΡΡ‚ΡŒ ΠžΠΏΡ‚ΠΈΠΌΠ°Π»ΡŒΠ½Ρ‹ΠΉ ΡˆΡƒΠΌ, ΡƒΡΠΈΠ»ΠΈΠ²Π°ΡŽΡ‰ΠΈΠΉ слабый сигнал 9. ΠŸΠΎΡΡ‚Ρ€ΠΎΠ΅Π½ΠΈΠ΅ Π³Ρ€Π°Ρ„ΠΈΠΊΠΎΠ² (Gnuplot) ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠΈΡΡ‚ Π½Π΅ Π΄ΠΎΠ»ΠΆΠ΅Π½ Ρ€ΠΈΡΠΎΠ²Π°Ρ‚ΡŒ Π³Ρ€Π°Ρ„ΠΈΠΊΠΈ Π²Π½ΡƒΡ‚Ρ€ΠΈ ΠΊΠΎΠ΄Π° C++. ВмСсто этого ΠΎΠ½ прСдоставляСт: Β· Π“ΠΎΡ‚ΠΎΠ²Ρ‹Π΅ Gnuplot-скрипты (.gp Ρ„Π°ΠΉΠ»Ρ‹) для ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ Ρ‚ΠΈΠΏΠ° Π³Ρ€Π°Ρ„ΠΈΠΊΠ°. Β· Π˜Π½ΡΡ‚Ρ€ΡƒΠΊΡ†ΠΈΡŽ, ΠΊΠ°ΠΊ Π·Π°ΠΏΡƒΡΡ‚ΠΈΡ‚ΡŒ Gnuplot ΠΈ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ Π³Ρ€Π°Ρ„ΠΈΠΊ (Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, gnuplot plot1.gp). Π’Π°ΠΊΠΆΠ΅ добавлю Ρ„Π°ΠΉΠ» с курсовой Ρ€Π°Π±ΠΎΡ‚ΠΎΠΉ ΠΈ сам Ρ„Π°ΠΉΠ» ΠΊΠΎΠ΄Π°.
ΠŸΠΎΡ…ΠΎΠΆΠΈΠ΅ Π·Π°ΠΊΠ°Π·Ρ‹

Data scientist

дистанционно
договорная
ВСстированиС, Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля, настройка. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° распрСдСлСнной систСмы ΠΌΠΎΠ½ΠΈΡ‚ΠΎΡ€ΠΈΠ½Π³Π° ΠΏΡ€ΠΎΠΌΡ‹ΡˆΠ»Π΅Π½Π½ΠΎΠ³ΠΎ оборудования Π½Π° Π±Π°Π·Π΅ Π°Π²Ρ‚ΠΎΠ½ΠΎΠΌΠ½Ρ‹Ρ… IoT-Π½ΠΎΠ΄. Π Π°Π±ΠΎΡ‚Π° с Π²Ρ€Π΅ΠΌΠ΅Π½Π½Ρ‹ΠΌΠΈ рядами Π² условиях высокой Π·Π°ΡˆΡƒΠΌΠ»Π΅Π½Π½ΠΎΡΡ‚ΠΈ. Π‘Ρ‚Π΅ΠΊ Π΄Π°Ρ‚Ρ‡ΠΈΠΊΠΎΠ² (Input Data): 6-осСвой ΠΈΠ½Π΅Ρ€Ρ†ΠΈΠ°Π»ΡŒΠ½Ρ‹ΠΉ ΠΌΠΎΠ΄ΡƒΠ»ΡŒ (High-frequency IMU). Π’ΠΎΠΊΠΎΠ²Ρ‹Π΅ трансформаторы (AC/DC Current monitoring). ΠšΠ»ΠΈΠΌΠ°Ρ‚ΠΈΡ‡Π΅ΡΠΊΠΈΠ΅ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ (Temp/Humidity). ΠšΠ»ΡŽΡ‡Π΅Π²Ρ‹Π΅ Π·Π°Π΄Π°Ρ‡ΠΈ: Анализ сигнатур двиТСния: Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° Π°Π»Π³ΠΎΡ€ΠΈΡ‚ΠΌΠΎΠ² сСгмСнтации Ρ†ΠΈΠΊΠ»ΠΎΠ² Ρ€Π°Π±ΠΎΡ‚Ρ‹ оборудования Π½Π° основС Π΄Π°Π½Π½Ρ‹Ρ… аксСлСромСтра ΠΈ гироскопа (Kalman filtering, Madgwick). Частотный Π°Π½Π°Π»ΠΈΠ· ΠΈ дСфСктоскопия: Π’Ρ‹Π΄Π΅Π»Π΅Π½ΠΈΠ΅ ΠΏΡ€ΠΈΠ·Π½Π°ΠΊΠΎΠ² износа мСханичСских ΡƒΠ·Π»ΠΎΠ² Ρ‡Π΅Ρ€Π΅Π· FFT/STFT-прСобразования виброакустичСских ΠΏΠ°Ρ‚Ρ‚Π΅Ρ€Π½ΠΎΠ². ΠŸΡ€ΠΎΡ„ΠΈΠ»ΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ энСргопотрСблСния: ДСтСкция Π°Π½ΠΎΠΌΠ°Π»ΠΈΠΉ Π² пусковых ΠΈ Ρ€Π°Π±ΠΎΡ‡ΠΈΡ… Ρ‚ΠΎΠΊΠ°Ρ… двигатСля для прогнозирования элСктричСских нСисправностСй. Environment Correction: ΠŸΠΎΡΡ‚Ρ€ΠΎΠ΅Π½ΠΈΠ΅ рСгрСссионных ΠΌΠΎΠ΄Π΅Π»Π΅ΠΉ влияния ΠΌΠΈΠΊΡ€ΠΎΠΊΠ»ΠΈΠΌΠ°Ρ‚Π° Π½Π° износ ΠΊΠΎΠΌΠΏΠΎΠ½Π΅Π½Ρ‚ΠΎΠ² систСмы. Edge AI Implementation: ΠžΠΏΡ‚ΠΈΠΌΠΈΠ·Π°Ρ†ΠΈΡ классификаторов для исполнСния Π½Π° ΠΌΠΈΠΊΡ€ΠΎΠΊΠΎΠ½Ρ‚Ρ€ΠΎΠ»Π»Π΅Ρ€Π°Ρ… с ΠΎΠ³Ρ€Π°Π½ΠΈΡ‡Π΅Π½Π½Ρ‹ΠΌΠΈ рСсурсами (TinyML). ВСхничСскиС трСбования: ΠžΠΏΡ‹Ρ‚ Ρ€Π°Π±ΠΎΡ‚Ρ‹ с DSP (цифровая ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° сигналов) ΠΈ Anomaly Detection. Python (NumPy, SciPy, Scikit-learn, PyTorch/TensorFlow). ПониманиС Ρ„ΠΈΠ·ΠΈΠΊΠΈ процСссов Π² элСктромСханичСских систСмах.
Москва ЀрилансСры

IT-аутсорсинг

дистанционно
договорная
Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° ПО. Data Science. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля, тСстированиС, настройка, Π΄ΠΎΡ€Π°Π±ΠΎΡ‚ΠΊΠ° ΡΡƒΡ‰Π΅ΡΡ‚Π²ΡƒΡŽΡ‰Π΅Π³ΠΎ ΠΏΡ€ΠΎΠ΄ΡƒΠΊΡ‚Π°. НСобходимо ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ РНП систСму для Π½Π°ΡˆΠΈΡ… ΠΌΠ°Π³Π°Π·ΠΈΠ½ΠΎΠ² Π½Π° Π²Π± ΠΈ ΠΎΠ·ΠΎΠ½. Π˜Π½Π°Ρ‡Π΅ - ΠΎΡ†ΠΈΡ„Ρ€ΠΎΠ²ΠΊΠ° Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚ΠΎΠ², производимая автоматичСски ΠΈ Π½Π° постоянной основС. Π”Π°Π½Π½Ρ‹Π΅ с маркСтплСйсов ΡΠΎΠ±ΠΈΡ€Π°ΡŽΡ‚ΡΡ ΠΏΠΎ Π°ΠΏΠΈ ΠΈ ΠΈΠ½Ρ‚Π΅Ρ€ΠΏΡ€Π΅Ρ‚ΠΈΡ€ΡƒΡŽΡ‚ΡΡ Π² Ρ‡ΠΈΡ‚Π°Π΅ΠΌΡ‹ΠΉ Ρ„ΠΎΡ€ΠΌΠ°Ρ‚ для постоянного Π°Π½Π°Π»ΠΈΠ·Π°: сумма Π·Π°ΠΊΠ°Π·ΠΎΠ², количСство Π·Π°ΠΊΠ°Π·ΠΎΠ², Π·Π°ΠΊΠ°Π·Ρ‹ ΠΏΠΎ Π°Ρ€Ρ‚ΠΈΠΊΡƒΠ»Ρƒ, Ρ€Π΅ΠΊΠ»Π°ΠΌΠ½Ρ‹ΠΉ расход, Π΄Ρ€Ρ€, расчСт ΠΏΡ€ΠΈΠ±Ρ‹Π»ΠΈ ΠΎΡ‚ Π·Π°ΠΊΠ°Π·ΠΎΠ² ΠΈ Ρ‚Π΄. Π˜Ρ‰Ρƒ Π°ΠΊΡ‚ΠΈΠ²Π½ΠΎΠ³ΠΎ, ΠΈΠ½ΠΈΡ†ΠΈΠ°Ρ‚ΠΈΠ²Π½ΠΎΠ³ΠΎ Π²Π°ΠΉΠ±ΠΊΠΎΠ΄Π΅Ρ€Π°/программиста, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ смоТСт Π½Π° постоянной основС Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ с ΠΏΡ€ΠΎΠ΅ΠΊΡ‚ΠΎΠΌ, Π΄ΠΎΠΏΠΈΠ»ΠΈΠ²Π°Ρ‚ΡŒ Π΅Π³ΠΎ, Ρ‚ΠΊ Ρ€Π°Π·Π²ΠΈΡ‚ΠΈΠ΅ Ρƒ Ρ‚Π°ΠΊΠΎΠΉ систСмы ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ бСсконСчноС. НС интСрСсны спСциалисты с овСрпрайс Ρ‡Π΅ΠΊΠΎΠΌ ΠΈ Π½Π° Ρ€Π°Π·ΠΎΠ²ΠΎΠ΅ Π²Ρ‹ΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ Π·Π°Π΄Π°Ρ‡ΠΈ. Если Π²Ρ‹ ΠΏΡ€ΠΎΡ‡ΠΈΡ‚Π°Π»ΠΈ Π΄ΠΎ ΠΊΠΎΠ½Ρ†Π°, ΠΏΡ€ΠΈ ΠΎΡ‚ΠΊΠ»ΠΈΠΊΠ΅ ΠΎΡ‚Π²Π΅Ρ‚ΡŒΡ‚Π΅ поТалуйста Π½Π° вопросы: 1. Π‘Ρ‹Π» Π»ΠΈ Ρƒ вас ΠΎΠΏΡ‹Ρ‚ Π²Π°ΠΉΠ±ΠΊΠΎΠ΄ΠΈΠ½Π³Π°? Π§Ρ‚ΠΎ это Π±Ρ‹Π»ΠΎ? 2. Π£ΠΌΠ΅Π΅Ρ‚Π΅ Π»ΠΈ Π²Ρ‹ ΠΏΠΈΡΠ°Ρ‚ΡŒ ΠΈ Π΄ΠΎΠ΄Π΅Π»Ρ‹Π²Π°Ρ‚ΡŒ ΠΊΠΎΠ΄ ΡΠ°ΠΌΠΎΡΡ‚ΠΎΡΡ‚Π΅Π»ΡŒΠ½ΠΎ? 3. На ΠΊΠ°ΠΊΡƒΡŽ Π·ΠΏ Ρ…ΠΎΡ‚ΠΈΡ‚Π΅ Ρ€Π°ΡΡΡ‡ΠΈΡ‚Ρ‹Π²Π°Ρ‚ΡŒ, Ссли Π±ΡƒΠ΄Π΅Ρ‚ ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΡƒΡΡ‚Ρ€ΠΎΠΈΡ‚ΡŒΡΡ Π² ΡˆΡ‚Π°Ρ‚?.
Москва ЀрилансСры

ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠΈΡΡ‚Ρ‹

дистанционно
договорная
Data Science. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля. Автоматизация аналитичСской систСмы для Ozon НуТСн Python‑Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚Ρ‡ΠΈΠΊ / ΠΈΠ½Ρ‚Π΅Π³Ρ€Π°Ρ‚ΠΎΡ€ для создания MVP аналитичСской систСмы ΠΏΠΎΠ΄ ΠΌΠ°Π³Π°Π·ΠΈΠ½ Ozon с ΠΈΠ½Ρ‚Π΅Π³Ρ€Π°Ρ†ΠΈΠ΅ΠΉ API, Ρ…Ρ€Π°Π½Π΅Π½ΠΈΠ΅ΠΌ истории Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ Π±Π°Π·ΠΎΠ²ΠΎΠΉ ΠΏΡ€ΠΈΡ‡ΠΈΠ½Π½ΠΎΠΉ Π°Π½Π°Π»ΠΈΡ‚ΠΈΠΊΠΎΠΉ. Ozon Seller API позволяСт Π°Π²Ρ‚ΠΎΠΌΠ°Ρ‚ΠΈΠ·ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Ρ€Π°Π±ΠΎΡ‚Ρƒ с Ρ‚ΠΎΠ²Π°Ρ€Π°ΠΌΠΈ, Ρ†Π΅Π½Π°ΠΌΠΈ, остатками ΠΈ ΠΎΡ‚Ρ‡Ρ‘Ρ‚Π°ΠΌΠΈ, Π° MPSTATS прСдоставляСт Π°Π½Π°Π»ΠΈΡ‚ΠΈΠΊΡƒ ΠΏΠΎ ΠΏΡ€ΠΎΠ΄Π°ΠΆΠ°ΠΌ, ΠΊΠΎΠ½ΠΊΡƒΡ€Π΅Π½Ρ‚Π°ΠΌ, Ρ‚Ρ€Π΅Π½Π΄Π°ΠΌ ΠΈ API для ΠΈΠ½Ρ‚Π΅Π³Ρ€Π°Ρ†ΠΈΠΈ с Π΄Ρ€ΡƒΠ³ΠΈΠΌΠΈ ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ°ΠΌΠΈ. ЦСль ΠΏΡ€ΠΎΠ΅ΠΊΡ‚Π° Π‘ΠΎΠ±Ρ€Π°Ρ‚ΡŒ систСму, которая автоматичСски ΠΏΠΎΠ»ΡƒΡ‡Π°Π΅Ρ‚ Π΄Π°Π½Π½Ρ‹Π΅ ΠΈΠ· Ozon ΠΈ внСшнСй Π°Π½Π°Π»ΠΈΡ‚ΠΈΠΊΠΈ, сохраняСт ΠΈΡΡ‚ΠΎΡ€ΠΈΡŽ ΠΈ ΠΏΠΎΠΌΠΎΠ³Π°Π΅Ρ‚ ΠΎΡ‚Π²Π΅Ρ‡Π°Ρ‚ΡŒ Π½Π° вопросы: ΠΏΠΎΡ‡Π΅ΠΌΡƒ выросли ΠΈΠ»ΠΈ ΡƒΠΏΠ°Π»ΠΈ ΠΏΡ€ΠΎΠ΄Π°ΠΆΠΈ ΠΏΠΎ SKU; Ρ‡Ρ‚ΠΎ повлияло сильнСС: Ρ†Π΅Π½Π°, индСкс Ρ†Π΅Π½, Π°ΠΊΡ†ΠΈΠΈ, остатки, измСнСния ΠΊΠ°Ρ€Ρ‚ΠΎΡ‡ΠΊΠΈ, ΠΊΠΎΠ½ΠΊΡƒΡ€Π΅Π½Ρ‚Ρ‹; ΠΊΠ°ΠΊΠΈΠ΅ Π°ΠΊΡ†ΠΈΠΈ ΠΈ измСнСния ΠΊΠ°Ρ€Ρ‚ΠΎΡ‡ΠΊΠΈ Ρ€Π°Π±ΠΎΡ‚Π°ΡŽΡ‚ Π»ΡƒΡ‡ΡˆΠ΅.
Москва ЀрилансСры

Data scientist

дистанционно
договорная
ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ опросники. НуТно ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ Π·Π°ΠΏΠΎΠ»Π½Π΅Π½Π½Ρ‹Π΅ опросники (26 Ρ‡Π΅Π»ΠΎΠ²Π΅ΠΊ Π·Π°ΠΏΠΎΠ»Π½ΠΈΠ»ΠΈ ΠΏΠΎ 4 опросника. 4 опросника (Π½ΠΈΠΆΠ΅), Π½ΡƒΠΆΠ½ΠΎ ΠΏΠΎΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ значСния ΠΏΠΎ всСм шкалам, коррСляции Π² соотвСтствии с Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°ΠΌΠΈ. Π˜Ρ‰Ρƒ клиничСского психолога ΠΈΠ»ΠΈ Ρ‚ΠΎΠ³ΠΎ, ΠΊΡ‚ΠΎ разбираСтся Π² статистики, ΡƒΠΌΠ΅Π΅Ρ‚ ΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒΡΡ БПББ. 1. Личностный опросник АйзСнка (EPI) для ΠΎΡ†Π΅Π½ΠΊΠΈ личностных Ρ‡Π΅Ρ€Ρ‚ (экстравСрсия–интровСрсия, Π½Π΅ΠΉΡ€ΠΎΡ‚ΠΈΠ·ΠΌ). 2. ВСст ТизнСстойкости Π‘. Мадди Π² Π°Π΄Π°ΠΏΡ‚Π°Ρ†ΠΈΠΈ Π”. А. Π›Π΅ΠΎΠ½Ρ‚ΡŒΠ΅Π²Π° ΠΈ Π•.И. Рассказовой. 3. ΠžΠΏΡ€ΠΎΡΠ½ΠΈΠΊ способов ΡΠΎΠ²Π»Π°Π΄Π°ΡŽΡ‰Π΅Π³ΠΎ повСдСния Π . Лазаруса ΠΈ Π‘. Π€ΠΎΠ»ΠΊΠΌΠ°Π½ Π² Π°Π΄Π°ΠΏΡ‚Π°Ρ†ΠΈΠΈ Π’. Π›. ΠšΡ€ΡŽΠΊΠΎΠ²ΠΎΠΉ ΠΈ Π•. Π’. ΠšΡƒΡ„Ρ‚ΡΠΊ. 4. ΠžΠΏΡ€ΠΎΡΠ½ΠΈΠΊ качСства ΠΆΠΈΠ·Π½ΠΈ SF-36.
Москва ЀрилансСры

ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠΈΡΡ‚Ρ‹

дистанционно
договорная
Data Science. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля, тСстированиС, настройка, Π΄ΠΎΡ€Π°Π±ΠΎΡ‚ΠΊΠ° ΡΡƒΡ‰Π΅ΡΡ‚Π²ΡƒΡŽΡ‰Π΅Π³ΠΎ ΠΏΡ€ΠΎΠ΄ΡƒΠΊΡ‚Π°. НуТСн Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚Ρ‡ΠΈΠΊ для SaaS: ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° прайс-листов, сопоставлСниС Ρ‚ΠΎΠ²Π°Ρ€ΠΎΠ², Ρ€Π°Π±ΠΎΡ‚Π° с PostgreSQL, интСграция с 1Π‘, API, Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠ° Excel/PDF.
Москва ЀрилансСры

ΠŸΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠΈΡΡ‚Ρ‹

дистанционно
договорная
Data Science. Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля, Π΄ΠΎΡ€Π°Π±ΠΎΡ‚ΠΊΠ° ΡΡƒΡ‰Π΅ΡΡ‚Π²ΡƒΡŽΡ‰Π΅Π³ΠΎ ΠΏΡ€ΠΎΠ΄ΡƒΠΊΡ‚Π°. Π’Ρ‹Ρ…ΠΎΠ΄ Π½Π° ΠΈΠ½Ρ„Π΅Ρ€Π΅Π½Ρ†ΠΈΡŽ.
Москва ЀрилансСры

Data scientist

дистанционно
договорная
Π Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠ° с нуля. /.
Москва ЀрилансСры