помощь с решением задания (подготовил решения, но есть ошибки, необходима консультация) Требуется помощь с решением задания (cоздал свои решения, но нужна консультация). Описание проблемы и постановка задачи. Представим, что мы построили социальную сеть для студентов, которая обладает следующим функционалом: можно отправлять друг другу письма, создавать сообщества, аналогичные группам в известных сетях, и в этих сообществах публиковать посты. При регистрации студенты должны заполнять данные по своему профилю, которые хранятся в поднятой на наших мощностях базе данных Postgres. Также платформа обладает лентой, которую пользователи могут листать и просматривать случайные записи случайных сообществ. Если пост нравится, можно поддержать автора и поставить лайк. Все действия пользователей сохраняются, каждая их активность, связанная с просмотром постов, тоже записывается в нашу базу. Платформа заинтересована в благосостоянии студентов, поэтому разработчики решили усовершенствовать текущую ленту. А что, если показывать пользователям не случайные посты, а рекомендовать их точечно каждому пользователю из всего имеющегося множества написанных постов? Как это сделать и учесть индивидуальные характеристики профиля пользователя, его прошлую активность и содержимое самих постов? В текущем домашнем задании нужно предстоит построить рекомендательную систему постов в социальной сети. В качестве базовых сырых данных вы будете использовать подготовленные заранее командой курса таблицы. С точки зрения разработки вам будет необходимо реализовать сервис, который будет для каждого юзера в любой момент времени возвращать посты, которые пользователю покажут в его ленте соцсети. Оценка качества модели Качество написанного вами алгоритма будет проверяться в чекере по скрытому для вас ряду user_id и ряду timestаmp (эмулируем запросы пользователей в разное время) по метрике [Email скрыт]. Предположения и что мы проверяем в решении проекта На практике мы хотим достаточно быстро формировать рекомендации. Поэтому будем требовать, чтобы алгоритм работал не более, чем ~0.5 секунд на один запрос и занимал не более ~4 ГБ памяти (цифры приблизительные). Набор пользователей фиксирован, и новых добавляться не будет. Чекер будет проверять модель в рамках того же временного периода, что вы видите в базе данных. Модели не обучаются заново при использовании сервисов. Мы ожидаем, что ваш код будет импортировать уже обученную модель и применять её. Пример пайплайна для финальньного проекта 1. Загрузка данных из базы данных (БД) и обзор данных На первом этапе мы подключаемся к базе данных, выгружаем необходимые данные и загружаем их в Jupyter Hub для анализа. В этот момент цель — понять структуру данных, выявить возможные пропуски или аномалии, а также получить общее представление о распределении и составе данных. Анализ включает изучение признаков (features) и целевой переменной. 2. Создание признаков и формирование обучающей выборки На этом этапе мы создаем новые признаки, которые могут быть полезны для модели. Признаки могут включать информацию о пользователе (например, возраст, пол, история взаимодействий), информацию о постах (тексты, темы, категории), а также дополнительные статистики, такие как частота лайков или вовлеченность пользователя. После генерации признаков формируется обучающая выборка, которая содержит все необходимые данные для последующего обучения модели. 3. Тренировка модели и оценка её качества Используя обучающую выборку, мы обучаем модель, выбирая алгоритм и его параметры. После обучения настраиваем модель и проверяем её качество на валидационной выборке. Оценка качества проводится с помощью метрик, например, точности, полноты или ROC-AUC. Этот этап помогает определить, насколько хорошо модель способна делать предсказания и где её можно улучшить. Важно понимать, что повышение локального ROC-AUC не всегда гарантирует улучшение hitrate в LMS. Поэтому мы советуем проверять, как изменения вашей валидационной метрики сказываются на hitrate в LMS, чтобы убедиться в положительном влиянии. 4. Сохранение обученной модели После того как модель успешно обучена и её качество удовлетворяет требованиям, мы сохраняем её в определённом формате, который требует модель/библиотека. Этот файл станет основой для дальнейшего использования модели, так как он содержит все необходимые данные для предсказаний, включая веса и параметры. 5. Разработка сервиса для использования модели Здесь мы создаем сервис, который позволит взаимодействовать с моделью в реальном времени. Сервис включает следующие шаги: Загрузка модели: при запуске сервис загружает ранее сохранённую модель из файла. Получение признаков: сервис принимает запросы с user_id, на основе которого формирует нужные признаки для предсказания или загружаются уже с таблиц, которые вы загрузили в базу данных. Признаки в момент предсказания должны совпадать с признаками, которые были в момент обучения модели. Предсказание: используя загруженную модель и полученные признаки, сервис делает предсказание — определяет посты, которые, вероятно, понравятся пользователю. Возвращение ответа: сервис возвращает ответ с результатами предсказания. Важно: для того чтобы система проверки (чекер) могла корректно протестировать сервис, необходимо одновременно загружать как сам сервис, так и модель. 6. Загрузка сервиса в LMS для проверки (чекер) После завершения разработки сервис и модель загружаются в LMS, где автоматический чекер выполняет тестирование. Чекер проверяет, соответствует ли сервис требованиям, выполняет ли корректные предсказания, работает ли без ошибок и насколько быстро отвечает на запросы. Успешное прохождение проверки подтверждает готовность модели к использованию в продакшене.
Для работы Понимаю как работать с Pandas. Но если строк больше скольких-то там миллионов (может, сотен миллионов), то pandas пишет, что ему не хватает памяти. Необходимо понять, как и чем работать в этом случае. 1. Есть ли что-то похожее, но у себя внутри работающее по-другому? 2. Есть ли кардинально другой подход, выполняющий те же задачи, которые выполняет pandas, но другими путями, с которыми можно обрабатывать миллиарды строк. Цели: - сбор данных из интернета (как обработка кода, так и API) и заполнение ими БД (MySQL, SQLite, MS SQL) - обработка файлов различных форматов (json, csv, xls/xlsx, xml) и наполнение их данными БД (MySQL, SQLite, MS SQL) - последующая работа с этими данными из БД К запросу не относится как собирать данные из интернета, запрос про посредничество между данными и БД: аккумулирование и обработка, как не при слишком больших объёмах делает Pandas
Редизайн 2х карточек с предложениями для сайта с адаптивами. Продукт: Сайт бизнеса Цель задания: Обновить дизайн 2х тарифных карточек на главной странице сайта, обеспечив адаптивность под четыре разрешения: 375px, 768px, 1024px и 1600px. Макеты должны быть готовы к передаче в верстку и интеграции в библиотеку компонентов Материалы к задаче предоставлю. Объём работ: 2 карточки + адаптивы. Техническое задание есть. Задача не сложная:).
UX-UI дизайн. Дизайн сайта. Продукт: Необходимо доработать веб страницу сайта, продумать расположение элементов и реализовать мобильную версию этой страницы. Дизайне не сложный, но уже устоявшийся на сайте, необходимо подстроить новый раздел под текущий дизайн. Объём работ: Один раздел(страница) - если быть точным, необходимо реализовать один блок для сайта, с ui элементами. Технического задания нет.
Дизайн сайта. Продукт: For English speakers only! Payment: 700 per hour I'm looking for a UX UI designer to create a design of a freelancing platform. When you send me a proposal please share your portfolio as well. Объём работ: Freelancing interface Employer interface Admin panel Adaptive version. Техническое задание есть.
Язык программирования: Python, C++, Java, JavaScript, Scratch, Kotlin, Pascal, PHP, C#, C, SQL, Swift Assembler: ARM Для ребёнка Здравствуйте Ребенок увлекается монтажом видеороликов ,ведёт тик-ток лайв и-туб ,хочется ему помочь ,помочь и показать работу нейросетей ,обучить создать интересные видео и фото
Язык программирования: Google диск Для себя Добрый день. У меня есть лк в google диск. В нем есть личная информация и еще куча доступов от разных людей. Нужна помощь как разбить личное и не личное на папки, как правильно структурировать файлы и подсвечивать их.
Как мне найти учеников по профилю программирование в России?
Зарегистрируйтесь и создайте привлекательный профиль с упоминанием вашей специализации. Обратите внимание на количество доступных заявок от учеников, которое на апрель 2026 года составляет 1260
Какие требования к преподавателям на вашем сайте?
На нашем сайте приветствуются преподаватели с любым уровнем квалификации. Мы рекомендуем указать все свои сертификаты и образование, чтобы увеличить шансы на нахождение учеников
Могу ли я установить гибкий график работы?
Вы полностью контролируете свой график и можете обсуждать его напрямую с учениками, чтобы найти удобное время для обеих сторон
Каков потенциальный заработок для репетитора программирование?
Заработок зависит от количества занятий и квалификации. В среднем, за одно занятие можно заработать 1215.01 рублей с занятия. Больше занятий в неделю – выше доход