Data scientist – работа для фрилансеров в Москве

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.

Доработка существующего продукта. Требуется доделать существующий анализ датасета не более 10 000 строк, CSV. Искать корреляции переменных, медианы и средние, выбросы, иллюстрировать графикой. Работа на 90% написана. Требуется исправить и доделать. В курс дела нужно войти быстро. Времени на раскачку нет. Работа в формате консультации. Инструменты: pandas, seaborn, Jupyter Notebook. Требования к исполнителю: Senior DS или Middle DS, твёрдый практический опыт в анализе данных.

Анализ данны[. Анализ продаж / категорийный анализ (retail данные) Ищем опытного аналитика с опытом анализа данных продаж для проектной работы. Подробное описание задач пришлю в ЛС. Требования: — Обязателен опыт FMCG / retail аналитики — Уверенная работа с большими массивами данных (Excel / BI) — Понимание ключевых метрик категорийного анализа (АКБ, VPO, маржа) — Опыт работы с ритейл-данными.

Data Science. Доработка существующего продукта. Разработка и поддержка SaaS-продукта для строительной отрасли и программы лояльности Проектирование архитектуры и реализация новых фич на фронте и бэке Интеграция с внешними сервисами и API Оптимизация производительности и обеспечение безопасности приложений Участие в командных обсуждениях, code review и планировании спринтов.

Data Science. Доработка существующего продукта. Внутренняя система для управления клиентскими делами юридической компании с учётом будущей интеграции с мобильным приложением. Ссылку на тз и гитхаб скину.

Data Science. Восстановление файлов. Пожелания и особенности: Нужно восстановить поврежденные файлы с sd карты видеокамеры.

Разработка с нуля. Помочь с выполнением практического задания по интеллектуальному анализу данных.

Data Science. Доработка существующего продукта. Помочь сделать задание по программированию.

Data Science. Разработка с нуля.

Data Science. Google script. Нужно поправить код, так чтобы добавлялись только новые строки, дубли пропускались.

Разработка с нуля.

Разработка с нуля. Необходимо подготовить автоматизированный аналитический отчет. Данные для выгрузки в отчет должны предоставляться и автоматически обновляться из 4 основных систем: 1С Заказы введенные вручную (факт в рублях) Битрикс24 Поступившие лиды, актуальные сделки в разрезе статусов Ядро Заказы с сайта и все оплаты по ним Манго-звонки Звонки (входящие, исходящие, пропущенные) Отчет должен автоматически прогружаться и обновляться ежедневно. В разрезе каждого отдельного сотрудника и общий итог по всем метрикам. Перечень метрик, необходимых для отчета: Входящий трафик Некачественные. лиды Качественные лиды Конверсия поступающих лидов Холодные звонки Входящие звонки Пропущенные звонки Открыто сделок Просчет КП Отправлено КП (клиенту), ожидание Выставленные счета (сумма). Наше производство Выставленные счета (сумма). Каталог Выставленные счета (сумма). Итого Оплачено, наше производство Оплачено, каталог Оплачено, итого Дебеторка Динамика дня Прогноз на конец месяца (%). Оплаченные счета Прогноз итог месяца (сумма руб). Оплаченные счета Факт выполнения % плана Факт сумма выполнения плана Подробное описание метрик, дополнительная информация, логика расчета, а также источники поступления информации по каждой метрике, подробно описаны в ссылке: https://docs.google.com/spreadsheets/d/15kRBHyXU6O4cDhVnGbRXRVR9cgoAcmKbGUpsJOU7IOg/edit?gid=0#gid=0.

Разработка с нуля. Пожелания и особенности: Я провела оценку 180 градусов в гугл формах где сотрудники оценивали своих руководителей, необходимо провести аналитику и сделать визуализацию для учредителя компании и топ менеджемента по их руководителям. На данный момент получено 150 ответовя, анкета будет открыта для сотрудников до 24.04.2026.

Доработка существующего продукта. Необходимо с помощью уже существующего репозитория с кодом и алгоритмом работы прогнать данные по другому городу. Все данные, методы и гугл блокноты кидаю я. Работа связана с геоаналитикой.

Разработка с нуля, доработка существующего продукта. Скоринг клиентской базы.

Доработка существующего продукта. Требуется Data Science специалист (аналитик или ML) со знаниями для разового анализа CSV датасета. Уровень seniority не ниже middle. Требуется глубоко знать pandas, seaborn, поиск корреляции переменных. Объем анализа небольшой, часть анализа уже подготовлена и разобрана с графиками. Требуется лишь доделать эту работу. Задание срочное. Закончить не позднее вторника, максимум среды. Оплата обсуждаема. Работа требуется в формате консультаций по анализу данных. То есть, выполнять и оформлять весь объем не нужно. Требуется порекомендовать рабочие методы для выполнения оставшихся шагов и помочь сформулировать выводы по результатам.

Доработка существующего продукта. Необходима консультация по внедрению аналитики для юридической компании, которая работает на территории Грузии с русскоязычными и англоязычными клиентами. Нужно проанализировать текущие показатели, разобраться с системами аналитики, вывести показатели в какой-нибудь дашборд для удобного контроля. Каналы привлечения клиентов: Сайт на wordpress (90% SEO трафик) Insta + блогеры + таргет Реклама в Telegram каналах Карты google и yandex Аналитика: Яндекс метрика CRM система: AmoCRM тариф расширенный.

Data Science. Разработка с нуля. Нужно написать код линейной регрессии на питоне для диссертации - выбрать одну зависимую и 15 независимых переменных (и напиши источники, откуда брать данные). Напишите код для а) регрессионную Модель построена на основе OLS (Ordinary Least Squares Б) тест на нормальность, и все другие описательные тесты.

Статистический анализ spss. Пожелания и особенности: Есть закодированные данные в spss и гипотезы, которые необходимо подтвердить через статистический анализ.

Data Science. Разработка с нуля. Обработать прайс-лист Excel (50 000 строк). Найти и добавить фото к каждой запчасти по артикулу.

Доработка существующего продукта.

Проанализировать анкеты.

Разработка с нуля. Можно помочь с практической работой. До среды 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 [2 файла] 1. PZ4_LIS.ipynb.txt • 512 Кб https://vk.ru/doc731254822_699124456 2. global_ai_jobs.csv • 16 Мб https://vk.ru/doc731254822_698025851.

Разработка с нуля, настройка. Помочь сделать задания по инструкции в универ, по дисциплинам анализ данных и ценообразование в sql и python.

Разработка с нуля, настройка. Сделать задания по инструкции в универ, по дисциплинам анализ данных и ценообразование в sql и python.

Разработка с нуля.

Выполнить задание. Нужно будет написад код и сделать презентацию Датасет: https://www.kaggle.com/datasets/tawfikelmetwally/employee-dataset Задание: Подберите дополнительные параметры (не менее 5) по которым будете проводить анализ данных. Для этого можно создать дополнительные столбцы с категориями Очистите данные, при необходимости уберите, занулите или усредните данные (в зависимости от выбранного датасета) 1) Создайте круговую диаграмму, которая отражает соотношение между выбранными параметрами для анализа по бинарной переменной (например, по мужчинам и женщинам) по среднему значениям из выбранных Вами столбцов. Создайте подписи и легенду для графика. Вставьте скриншоты полученных диаграмм в презентацию. 2) Сгруппируйте данные по выбранным вами критерииям из нескольких столбцов (например, год) используя GroupBy и pivot table. (не менее 3 группировок) 3) Критерии должны содержать не менее 3 и не более 30 различных вариантов значений. Сравните результат. Отразите выводы в презентации. 4) Постройте две линейных диаграммы на одном графике. Каждая должна соответствовать своему значению бинарной переменной (например, первая должна отражать результаты выбранного сгруппированного столбца для мужчин, вторая для женщин). Вставьте подписи по осям, подберите размер, чтобы график читался. Вставьте скриншот полученного графика в презентацию. 5) Постройте диаграмму рассеивания, которая отражает взаимосвязь между выбранными вами столбцами. Разделите значения для двух значений бинарной переменной (например, для мужчин и для женщин) разными цветами. Ограничьте диапазон введенных данных используя фильтр (например, отбросьте результаты людей младше 18 лет). Объясните полученные результаты. Вставьте скриншот полученной диаграммы в презентацию и добавьте объяснение взаимосвязи. 6) Выдвиньте дополнительные 3 гипотезы, которые имеют отношение к имеющимся данным. Опишите их в презентации. Подтвердите или опровергните их используя различные виды графических представлений. Добавьте в презентацию графики разных типов и опишите свои наблюдения, подтверждения или опровержения выдвинутых гипотез. 7) При выполнении задания воспользуйтесь минимум 3 нейросетями, сравните результат и вынесете его на отдельный слайд.

Выполнить задачу. Нужно будет написад код и сделать презентацию Датасет: https://www.kaggle.com/datasets/tawfikelmetwally/employee-dataset Задание: Подберите дополнительные параметры (не менее 5) по которым будете проводить анализ данных. Для этого можно создать дополнительные столбцы с категориями Очистите данные, при необходимости уберите, занулите или усредните данные (в зависимости от выбранного датасета) 1) Создайте круговую диаграмму, которая отражает соотношение между выбранными параметрами для анализа по бинарной переменной (например, по мужчинам и женщинам) по среднему значениям из выбранных Вами столбцов. Создайте подписи и легенду для графика. Вставьте скриншоты полученных диаграмм в презентацию. 2) Сгруппируйте данные по выбранным вами критерииям из нескольких столбцов (например, год) используя GroupBy и pivot table. (не менее 3 группировок) 3) Критерии должны содержать не менее 3 и не более 30 различных вариантов значений. Сравните результат. Отразите выводы в презентации. 4) Постройте две линейных диаграммы на одном графике. Каждая должна соответствовать своему значению бинарной переменной (например, первая должна отражать результаты выбранного сгруппированного столбца для мужчин, вторая для женщин). Вставьте подписи по осям, подберите размер, чтобы график читался. Вставьте скриншот полученного графика в презентацию. 5) Постройте диаграмму рассеивания, которая отражает взаимосвязь между выбранными вами столбцами. Разделите значения для двух значений бинарной переменной (например, для мужчин и для женщин) разными цветами. Ограничьте диапазон введенных данных используя фильтр (например, отбросьте результаты людей младше 18 лет). Объясните полученные результаты. Вставьте скриншот полученной диаграммы в презентацию и добавьте объяснение взаимосвязи. 6) Выдвиньте дополнительные 3 гипотезы, которые имеют отношение к имеющимся данным. Опишите их в презентации. Подтвердите или опровергните их используя различные виды графических представлений. Добавьте в презентацию графики разных типов и опишите свои наблюдения, подтверждения или опровержения выдвинутых гипотез. 7) При выполнении задания воспользуйтесь минимум 3 нейросетями, сравните результат и вынесете его на отдельный слайд.

Data Science. Разработка с нуля. Необходимо очень быстро, разово подать заявку на покупку. В связи с тем, что интернет не быстрый и имеет свою задержку. Нужно, что бы команда по отправке заявки исполнялась по логике (системное время - заданное время) речь о миллисекундах. Нужно максимально незаметное решение, что бы в логах торгового терминала не было следа от этого алгоритма.

Прохождение онлайн-курса. Необходимо допройти онлайн курс на data-инженера с выполнением всех заданий и итоговой работы в сжатые сроки (Python, SQL, Airflow).

Data Science. Сделать файл пдф. Есть фото 225 на телефоне, мне нужно их перевести в пдф формат и объеденить их в один файл пдф формата, срочно.

Data Science. Настройка.

Data Science. Доработка существующего продукта, разработка с нуля. Здравствуйте! Меня зовут Даниил, я сейчас работаю над исследовательской работой в области применения методов машинного обучения к финансовым данным. Тема проекта — использование новостного сентимента для прогнозирования краткосрочного движения цен акций (на примере Amazon). Я собираю датасет новостей, оцениваю их сентимент с помощью языковых моделей, агрегирую признаки (среднее, стандартное отклонение, количество новостей, а также скользящие окна) и объединяю их с рыночными данными (OHLCV) для построения модели предсказания направления движения цены на следующий день. На текущем этапе я столкнулся рядом проблем: — сложности со сбором и качеством данных (в частности, неполные временные метки, неоднородность источников) — добавление признаков на основе сентимента практически не улучшает метрику модели — итоговая точность остаётся на уровне, близком к базовой, и сложно интерпретировать, есть ли в данных значимый сигнал Я хотел бы лучше понять, является ли это следствием ограничений данных/подхода или же в текущей постановке задачи действительно сложно извлечь предсказательную силу, и как корректно это исследовать. Вы могли бы помочь мне с этой задачей?.

Data Science. Разработка с нуля. Добрый день. нужно доработать отчеты ВБ продавца в Excel. При выгрузке отчетов, чтобы добавлялась дополнительная колонка и считала вес.

Рассчитать сходимости данных. Пожелания и особенности: Расчет многофакторной корреляции между параметрами массива данных в программе Anova.

Data Science. Разработка с нуля.

Анализ данных в программе SPSS.

Кагортный анализ.

Разработка с нуля. “Нужен практический формат: минимум теории, максимум задач. Учусь по выходным. Цель: Excel-аналитика для бизнеса + Power Query + сводные + базовая автоматизация. Хочу работать на моих кейсах (маржа, план/факт, KPI). На каждом занятии: 10 минут объяснение ? 60 минут делаем ? 20 минут разбор ошибок. GPT использую для формул/шагов PQ.”.

Разработка с нуля, Ищу наставника. Пожелания и особенности: Ищу наставника в области аналитики данных, сама самоучка. Много работала с таблицами, структуризацией. Хочу полностью освоить данную профессию под руководством специалиста своего дела.

Доработка существующего продукта. Нужно подтянуть формулой импортрейндж данные в гугл таблицу итого из нескольких таблиц.

Data Science. Доработка существующего продукта. Пожелания и особенности: визуализация в дата ленс.

Задачи по сбору данных, очистке данных, созданию визуализаций (дашбордов) и коммуникации результатов анализа с заинтересованными сторонами. -Сбор требований от бизнес-заказчиков для разработки аналитических решений -Написание SQL-запросов для извлечения нужных данных из различных источников -Очистка и преобразование данных для подготовки к анализу -Разработка и поддержка интерактивных дашбордов в BI-инструментах (Power BI) -Создание ETL-процессов для автоматизации сбора и обработки данных -Анализ бизнес-показателей и выявление причинно-следственных связей -Подготовка презентаций и коммуникация результатов анализа заинтересованным сторонам.

Data Science. Настройка. Есть набор фотографий и лейблов (размечал в CVAT). Нужна помощь в установке и настройке YOLOv8 для обучения.

Data Science. Доработка существующего продукта, Нужен специалист в Microsoft Project. Пожелания и особенности: Нужен сейчас.

Data Science. Доработка существующего продукта. Пожелания и особенности: power bi.

Тестирование. С помощью программы Jamovi проанализировать гипотезы в научной работе.

Data Science. Выполнение контрольных, написание проекта, решение задач онлайн курса.

Настройка. Пожелания и особенности: Сравнить две базы данных и сказать какая лучше.

Доработка существующего продукта.