Data scientist – работа для фрилансеров в Москве

Data Science. консультация. Нужна консультация по поводу разработки чат бота на основе искусственного интеллекта.

Data Science. Обучение меня. Вместе сделать проект по обработке данных и настройке data pipeline. Пожелания и особенности: Вместе сделать проект по обработке данных и настройке data pipeline.

Data Science. Настройка, тестирование, разработка с нуля. Ищем разработчика с глубокими знаниями в области создания и поддержки чат-ботов для социальных сетей (Telegram, ВКонтакте), опытом работы с VPN и IP-адресацией, а также сильным фоном в Data Science и нейросетях для разработки сложных аналитических и интерактивных систем. Пожелания и особенности: Ищем разработчика с глубокими знаниями в области создания и поддержки чат-ботов для социальных сетей (Telegram, ВКонтакте), опытом работы с VPN и IP-адресацией, а также сильным фоном в Data Science и нейросетях для разработки сложных аналитических и интерактивных систем.

Сбор и анализ данных. Требуется взять данные (экономические показатели) по ключевой ставке, золотовалютным резервам, ВВП, численности населения, балансу торговли, инвестициям в страну, уровню жизни и доходу населения (за 15-20 лет) и соотнести с (политическими показателями) уровнем доверия населения к Президенту, к партиям, политическими опросами ВЦИОМ на релевантную тематику. На выходе должны быть сами данные в динамике 10-15 лет (в табличной форме) и графики по вышеуказанным данным в динамике для демонстрации корреляции или ее отсутствия между экономическими показателями и политическими.

Data Science. Доработка существующего продукта. Доработать код обновите lab4_util из репозитория переучите модели, и получите новые оценки точности (https://www.kaggle.com/datasets/carlosrunner/pizza-not-pizza) (https://github.com/m-hatter/aim_etu_course/blob/main/4%20-%20Computer%20Vision.ipynb).

Подготовить предложения по отгрузкам на региональные склады, учитывая, что сборка + доставка займет 7 дней. Подготовить предложения по отгрузкам на региональные склады, учитывая, что сборка + доставка займет 7 дней.

Data Science. Разработка с нуля. Нужно дообучить языковую модель для задачи распознавания слова и его правильного значения в контексте предложения.

Data Science. Доработка существующего продукта. Имеется готовый проект в jupyter notebook, но необходимо внести правки. тетрадку, датасет и другую сопутствующую информацию отправлю на почту. Исправить нужно пару строчек кода, работы на час максимум.

Разработка с нуля. Необходимо провести анализ данных в екселе.

Разработка с нуля. Я хочу учить срочно для зачёта.

Data Science. Разработка с нуля, доработка существующего продукта. Дано: Есть видеозаписи футбольных матчей разного качества (в основном сняты с движущейся камеры). Необходимо по итогам матча формировать по каждому футболисту набор основных метрик: - кол-во передач - кол-во перехватов - кол-во ударов в створ ворот и т.д. Сейчас анализ матча делается руками людей и созданным для этого софтом (софт без ML). Требуется: автоматизировать процесс для человека/упростить его/сократить время на него. Примеры похожих задач: https://blog.roboflow.com/track-football-players/ https://github.com/mikel-brostrom/yolo_tracking/tree/master https://huggingface.co/spaces/tryolabs/norfair-demo https://tryolabs.com/blog/2022/10/17/measuring-soccer-ball-possession-ai-video-analytics Прикладываю пример видео, которые в наличии: https://disk.yandex.ru/i/QKasMcLdNnucpw Чтобы показать, что вы действительно прочитали сообщение, вторым словом в ответе напишите "кофе". Спасибо!.

Подготовка к экзамену. Добрый день! Нужен репетитор по предмету Анализ Данных, желательно из финашки.

Тестирование, доработка существующего продукта. Произвести расчет и выявить расхождения.

Доработка существующего продукта. Ds.

Анализ данных опроса. НУЖЕН ГУРУ ЭКСЕЛЯ СРОЧНО - желательно сделать сегодня, есть файл данных опроса в excel (800 строк), задача: 1) убрать дубликаты 2) часть данных выгружены некорректно, то есть нельзя легко воспользоваться сводной таблицей, в некоторых столбцах сгруппированы в одной строке разные варианты ответов, их нужно распределить по столбцам, чтобы можно было делать анализ 3) часть данных являлись открытыми ответами на вопрос, нужно собрать статистику повторяемости одинаковых слов.

Разработка с нуля, Нужна помощь с проектом Яндекс практикума. Проект машинное обучение в бизнесе, тз и данные скину позже.

Data Science. Разработка с нуля. Нужно написать интеграцию API для магазина на маркетплейсе Яндекс Маркет.

Data Science. Тестирование. Нейронные модели.

Data Science. Обучение, помощь в подготовке к контрольной работе. Помощь в подготовке к контрольной работе по предмету «научно-исследовательский семинар», работа с данными в SPSS.

Data Science. Разработка с нуля. Изучение SQL с 0, изучение SQLLite, PostGresSQL, MongoDB etc. Первый этап - изучение SQL c 0 до сложных запросов.

Data Science. Обучение data base. Разработка программы и ведение групп в учебном центре, подробности по телефону.

Разработка с нуля. Имеются три таблицы с данными, на их основе необходимо собрать небольшой дашборд.

Настройка. Мне нужно проанализировать и пересегментировать каналы дистрибуции в эксель. Нужен бренйшторминг и настройка новой базы по каналам дистрибуции. Задача несложная.

Data Science. Hopfield neural network, perceptron model. Hopfield neural network, perceptron model.

Data Science. Настройка. Файл пришлю специалисту.

Data Science. Разработка с нуля. Сделать виртуальную машину в яндекс.облаке. Сделать на С# небольшую страницу которая позволяет сохранить в базу mysql(одну таблицу) и получить данные из таблицы. Доступ к сайту закрыть паролем через конфиг nginx.

Data Science. Разработка с нуля. Занимаемся изготовлением мебели на заказ, используем множество материалов и фурнитуры. Есть понимание как должно работать. ТЗ сформировано - направим на почту или другое удобное место для ведения диалога.

Data Science. Разработка с нуля. Нужно разработать программу на любом языке с графическим интерфейсом (самым простым), которая будет определять какое растение и его вид изображено на картинке (типа нейросетки), пример на python есть.

Помочь догнать материал. Учусь в университете на английском языке и очень отстаю и нужно догнать материалы и вообще в целом понять этот урок для дальнейшего обучения и сдачи экзаменов в университете.

Data Science. Сделать схему-проект разработки мобильного приложения. 1. разработка мобильного приложения для волонтеров. 2. Написать для проекта пользовательские требования 3. Написать функциональные требования 4. Нарисовать CJM 5. Сделать мокап (преподаватель вроде как-то по другому назвала это, но суть в том, чтобы интерфейс отобразить) 6. Нарисовать UML-диаграмму проекта.

Разработка с нуля. Создать бота для записи в визовый центр.

Настройка. Есть макет формы ИРК (эл.мед.карта с формами для вноса данных врачами). Нужно проанализировать каждое поле на всевозможные вероятности внесение ошибочных данных, расписать как приложено.

Data Science. Разработка с нуля. Создание программы для автоматического составления технических спецификаций на основании подобранного оборудования.

Разработка с нуля, доработка существующего продукта. Необходима помощь с выполнением задания по dwh Очень сжатые сроки - дедлайн 19.12 20:00.

Data Science. Разработка с нуля. Сделать лабораторные 12-17 на c#. Комментарии в основных моментах, чтоб я понял быстрее :).

Разработка с нуля, доработка существующего продукта. Необходима помощь с заданием по mlops.

Другое. Добрый день, как можно с вами связаться?.

Выполнить ТЗ. Выполнить задания из файла.

Data Science. Разработка с нуля. Разработка/программирование растворного узла для работы сити-фермы, создание базы данных по различным культурам, отслеживание отставания и различные проблемы у растений, исключение человеческого фактора в работе фермы, просчет будущих урожаев исходя из данных. Итд...

Data Science. Необходимо по заданной модели написать работающий код в среде питона. Есть готовый файл с моделью формата .ipunb. Код почти готовый, остается дописать блок, что бы программа читала таблицу xsxl и подменить названия параметров.

Обучение. Имеется большое желание погрузиться в большую математику, анализ данных и ML Сейчас являюсь действующим backend разработчиком, имею базовые знания по математике.

Выполнение ТЗ. Выполнить два задания, прикрепленные ниже.

Data Science. Разработка с нуля. Использование методов машинного обучения, изученных в этом курсе. Для диагностики рака молочной железы с использованием набора данных диагностики рака молочной железы штата Висконсин (Wisconsin Diagnostic Breast Cancer - WDBC). WDBC содержит 569 случаев данных о раке молочной железы, собранных профессорами Университета Висконсина. Каждый экземпляр помечен как M (злокачественный) или B (доброкачественный). Другими словами, необходимо решить задачу двоичной классификации. Характеристики вычисляются путем анализа оцифрованного изображения тонкоигольной аспирации (Fine Needle aspirate - FNA) образования молочной железы вместо использования пикселей в качестве необработанных входных данных. Они описывают характеристики ядер клеток, представленных на изображении. (см. примеры изображений ниже). В частности, входные данные включают десять вещественных признаков для каждого ядра клетки (всего три): а) Радиус (среднее расстояние от центра до точек периметра) б) Текстура (стандартное отклонение значений шкалы серого) в) Периметр г) Площадь д) Гладкость (локальное изменение длины радиусов) е) Компактность (периметр2/площадь -1,0 [perimeter2 / area -1.0]) ж) Вогнутость (выраженность вогнутых участков контура) з) Вогнутые точки (количество вогнутых участков контура) и) Симметрия j) Фрактальная размерность («приблизительно береговая линия»-1 [“coastline approximate”-1]) Всего для диагностики доступно 30 признаков (размерность признаков 30). Для точности все характеристики записываются с использованием четырех цифр. Задача 1. Вы можете найти файл набора данных WDBC (wdbc.data). Файл данных устроен таким образом, что каждая строка представляет экземпляр данных. В каждой строке значения атрибутов разделены запятой (,), всего имеется 32 атрибута. Первый атрибут — это идентификатор пациента. Второй атрибут — это метка класса (M или B). Остальные атрибуты являются входными объектами. Сделайте следующее: 1. Загрузите данные из файла в матрицу данных для последующих задач. Обратите внимание, что вам нужно прочитать второй атрибут отдельно как метку класса и игнорировать первый атрибут. Затем вам нужно прочитать остальные атрибуты как функции. 2. Разделите порции данных: а) выберите 169 выборок в качестве данных тестирования и б) 400 выборок для обучения. 3. Примените PCA, чтобы уменьшить исходные входные объекты в новые векторы объектов с разными размерностями: 5, 10, 15, 20. Задача 2. Спроектировать и внедрить систему диагностики рака молочной железы с использованием KNN с уменьшением размерности. Сделайте следующее 1. Используйте обучающие данные для проверки ваших KNN с различными векторами входных признаков (исходный входной сигнал и уменьшенный входной сигнал, рассчитанный в задаче 1) и разными K=1, 3, 5, 7, 9. Вы можете использовать параметры по умолчанию для вашего KNN в соответствии с библиотекой, которую ты используешь. 2. Использование тестовых данных для расчета точности, полноты и значений f1 (accuracy, precision, recall, and f1 values) для каждой модели и построения графика или рисунков, показывающих результаты различных размеров функций и Ks. Задача 3. Разработать и внедрить систему диагностики рака молочной железы с использованием MLP. Сделайте следующее: 1. Используйте данные обучения для проведения 5-кратной перекрестной проверки для обучения и проверки ваших моделей (5-fold cross validation to train and validate your models.). В качестве входных функций используйте тот, который дает наилучшую производительность в задаче 2. Вам необходимо протестировать различные гиперпараметры, такие как количество скрытых слоев, количество скрытых узлов, скорость обучения и т. д. 2. Используйте тестовые данные, чтобы вычислить точность, точность, полноту и f1 для ваших моделей с различными гиперпараметрами на шаге 1. Задача 4. Основываясь на своем опыте выполнения задачи 2 и задачи 3, а также полученных в результате результатов, своими словами сравните и сопоставьте производительность (частоту ошибок, точность и полноту, f1), вычислительную сложность (время), уровень переобучения два подхода. Чтобы оценить уровень переобучения, вы можете сравнить производительность данной модели на обучающих данных с тестовыми данными и увидеть, насколько они различаются. Укажите, какой из них, по вашему мнению, будет лучшим подходом к этой проблеме, и объясните, почему. Формат вводных данных прикреплен ниже. Стоимость обсуждается.

Настройка, Работа с CRM. Приветствую! Есть проект в сфере услуг, необходимо собрать определенный объем данных и сделать понятный и прозрачный дэшборд с важными показателями. Данные берутся из crm и переносятся в excel.

Data Science. Разработка с нуля. Нужна помощь в обработке научных данных, а именно по когнитивным тестам. Нужно распределить значения в зависимости от выбранных клавиш, сопоставить по времени и сравнить людей в группе, на примере сравнить дни с воздействием с фон (без воздействия).

Разработка с нуля. 1. Необходимо разработать ИИ который будет писать посты в стиле определенного человека/проекта 2. Анализ данных (биг дата) - сортировка подписчиков аккаунта в твиттере по категории исходя из информации в био, кол-ва подписчиков и тд.

Планирование продаж. Сделать задачу в excel.

Data Science. Доработка существующего продукта, настройка. Задача: помощь в построении базовой модели для проверки гипотез в Spyder (метод OLS Regression Results через библиотеку statsmodels.api). Все подробности (демонстрация датасета, гипотез (3 штуки), примера выполнения работы, необходимого скрипта и результатов) обсуждаются в онлайн формате через Zoom (иными словами, необходим репетитор на один раз, который поможет выполнить задание и объяснит непонятные моменты).

Выполнение лабораторных работ. Выполнить лабораторная работу на python по дисциплине «Алгоритмы обработки и анализа больших данных» на тему генетический алгоритм и лувенский алгоритм.

Разработка с нуля. Есть небольшой таск по AutoML надо собрать. Построить классификатор для определения фейковых ссылок, модель Трансформер.