Data scientist – работа для фрилансеров в Москве

Data Science. Доработка существующего продукта. Нужно все проверить в первую очередь.

Эксель. Аналитика данных по эксель.

Разработка с нуля, доработка существующего продукта. В рамках учебной работы необходимо применить модель BERT для задачи определения тональности текста с разбивкой на три класса (позитивный, нейтральный, негативный), до обучив модель на собственном датасете. Особенность - датасет большой, примерно 600 тыс. строк текстовых отзывов. Надо сделать, чтобы это всё корректно работало в среде google colab, можно с использованием gpu. (Приемущественно с применением библиотеки PyTorch, а также с комментариями блоков). Срок выполнения - за сутки, до 15 июня.

Репетиторство. Я выпускник курса от Яндекс.Практикума специалист по DataScience. Планирую трудоустраиваться. Поэтому прошу оказать помощь для подготовки к собеседованиям: 1. Понять мой текущий уровень подготовки 2. Составить план обучения 3. Восполнить пробелы в знаниях 4. Пояснить интересующие меня вопросы.

Data Science. Разработка с нуля. Написать программу для распознавания ценников с фотографий и перемещать в папку обработанные, чтобы записалась в в excel файл, имя фотографии, наименование, цена, цена в акции(если есть), и дата добавления в таблицу.

Data Science. Решение лабoраторной работы, домашнего задания. Решение лабораторной работы и домашних заданий по базовому курсу машинного обучения, дедлайн 15 июня 23:59.

Доработка существующего продукта. Нужна помощь в учебном проекте по анализу данных. Необходимо проанализировать поведение пользователей мобильного приложения.

Сбор информации с сервисов. Работа с сервисами аналитики WILDBERRIES, сбор информации с сервисов WB, перенос данных с сервисов аналитики.

создание 3ех графиков на основе данных дата-сетов. Требуется сделать три графика в Jupyter Notebook (графики предоставляются в виде графических файлов) на основе датасетов с информацией об участниках мероприятий. На каждом графике зависимость одного параметра от другого, просто одного численного показателя от другого, кластерный анализ на основе метода KMeans (К-средних). На каждом графике должна быть видна какая-либо интересная закономерность (резкий скачок, отдельное скопление точек, некие определенные представители ЦА). и объяснить как это все делается.

Доработка существующего продукта, настройка. Нужно посмотреть как со стороны все работает и при этом понять какие минусы несет компания.

Data Science. Разработка с нуля. Хочу создать софт по игре лаки джет на сайте 1win чтобы предсказывал исход раунда.

Data Science. Помощь в освоении Форсайт. Помощь в освоении платформы Форсайт.

Data Science. Разработка с нуля, доработка существующего продукта, настройка, тестирование. Есть типовой таск по ML надо сделать и провести 1-2 консультации по задаче. Оплата сразу. ТЗ подробное в личку скину. Как можно скорее.

Разработка с нуля. Добрый день! Мне 29,решила сменить сферу деятельности. Начала месяц назад изучать курс на Яндексе по анализу данных. Вроде выполняю все,когда по примеру, но общего понимания нет,Очень бы хотела помощь в разработке с 0. Если вам будет интересно,буду рада связаться. С уважением, Анна [Телефон скрыт] (@belanuta4).

Доработка существующего продукта, разработка с нуля, Консультация. Помочь проверить правильность анализа, объяснить зависимости или их отсутствие. Желателен (но не обязателен) опыт с LMER-моделями и смешанными моделями вообще.

обучение. Я закончила обучение по data science, сейчас участвую в конкурсе, где нужно провести детекцию объектов на изображениях с помощью yolo3. Мне нужна помощь разобраться с этой моделью.

Доработка существующего продукта. На базе текущего ноутбука в Юпитере и файла с данных провести анализ. Шаг 4. Составить портрет потребителя каждого региона Определить для пользователя каждого континента : - Самые популярные сорта (топ-5). - Влияет ли рейтинг на цены по регионам? Шаг 5. Провести исследование статистических показателей Выполнить подсчитать среднего количества, дисперсии и стандартного отклонения для цен на продукт различных регионов. Построить гистограммы. Описать распределения. Построить линейную регрессию зависимости между ценой продукта и его рейтингом. Шаг 6. Проверка гипотез H0: Средние пользовательские рейтинги красного и белого вина одинаковые. H1:Средние пользовательские рейтинги красного и белого вина разные. H0:Средние цены двух популярных сортов вина одинаковые. H1:Средние цены двух популярных сортов вина разные. Задать самостоятельно пороговое значение alpha.

Data Science. Доработка существующего продукта. Дописать несложную функцию в готовом проекте на Google Colab.

Data Science. Настройка. Диагностика ноутбука. Переустановка виндоус.

Data Science. Разработка с нуля, доработка существующего продукта, настройка. Лабораторная работа в университете. 15 июня уже сдавать. Нужно спарсить сайт какой-нибудь любой, например интернет-магазин цветов: в базе данных, например, будет таблица со столбцами: id, цена, название и ссылка на изображение товара(обязательно). Или, например, сайт яндекс музыки - там можно прикинуть следующее: id, исполнитель, название, длительность, ссылка на картинку песни (обязательно). Также необходимо, чтобы эти картинки скачивались в какую-то папку. Следующее: нужно сделать телеграм бота на основе библиотеки telebot, который выдает информацию из базы данных ПО ЗАПРОСУ (картинку чтобы кидал обязательно). Теперь что имеется готовое на данный момент. Есть парсер яндекс музыки,который не парсит картинки. То есть его надо доделать, что-то, наверное, в нем подправить. Теперь главное: преподаватель сказал все свои разработки выкладывать в гитхаб. То есть можно было бы взять готовое решение у других, но под другой сайт изменить, чтобы не было совпадений сайтов. Там и сами парсеры, и боты. Вариант событий такой: либо вы доделаете "мой" парсер и дальше уже с яндекс музыкой работаете. Либо с нуля пишете новый парсер - можете оставить яндекс музыку или выбрать другой сайт. Преподаватель кинул файлы - "заготовки" для бота. На основе их синтаксиса можно было бы делать. https://disk.yandex.ru/d/Gcqm6fSYO6JnxA тут заготовки и "мой" парсер яндекс музыки.

doing homework assignment on data science. Using a dataset given in the github link https://github.com/sheikhtajamul38/CourseWork/blob/main/job_description.csv you need to: -developing three sets of phrases/sentences related to (i) candidate background, (j) job responsibities, and (k) job conditions, respectively, having about a hundred elements each - computing three relevance matrices: (i), (j), (k) times job adverts. For doing this you should use our method for computing relevance indexes based on Annotated Suffix Tree technology, for which we have a very decent program described and referred to in paper WCist on GOT (Generalization Over Taxonomies) attached (see also paper by Chernyak-Mirkin attached on the AST mathod). or github code: https://github.com/dmitsf/GOT. - aggregating the three matrices into one 3-way supermatrix (tensor) W=(wijk) of corelevance for triplets (i,j,k) of the three aspects of the job adverts; - performing three-clustering over the supermatrix W according to an algorithm described in the attached paper https://www.hse.ru/data/2013/11/20/1262974247/mir_kram_2011.pdf - interpretation of the three-clusters found - making conclusions on potential improvements to the conventional category systems for IT jobs - writing up a report.

Data Science. Разработка с нуля. 1. Анализ финансовых временных рядов 2. Расчет показателя VAR и реализация процедуры бэк-тестинга (Задание представлено на фото).

Data Science. Разработка с нуля, настройка, тестирование. Создание таблиц, которые будут считать простые результаты, учитывать статистику, строить графики. В Exel.

Data Science. Доработка существующего продукта. Маленький проектик, учебный: 1)У нас есть датасет. Нам нужно на основе этих данных создать новые признаки. 2)Проверить гипотезы с помощью непараметрических тестов и z-статистики до бутстрапа и теста отношения правдоподобий. 3) Часть про машинное обучение, хотим предсказать признак на основе наших данных.

Решить экзамен. В экзамене 20 заданий. Демо версию могу прислать.

Выполнить проект. # Телеком — задача проект Оператор связи «Ниединогоразрыва.ком» хочет научиться прогнозировать отток клиентов. Если выяснится, что пользователь планирует уйти, ему будут предложены промокоды и специальные условия. Команда оператора собрала персональные данные о некоторых клиентах, информацию об их тарифах и договорах. ### Описание услуг Оператор предоставляет два основных типа услуг: 1. Стационарную телефонную связь. Возможно подключение телефонного аппарата к нескольким линиям одновременно. 2. Интернет. Подключение может быть двух типов: через телефонную линию (DSL*,* от англ. *digital subscriber line*, «цифровая абонентская линия») или оптоволоконный кабель (*Fiber optic*). Также доступны такие услуги: - Интернет-безопасность: антивирус (*DeviceProtection*) и блокировка небезопасных сайтов (*OnlineSecurity*); - Выделенная линия технической поддержки (*TechSupport*); - Облачное хранилище файлов для резервного копирования данных (*OnlineBackup*); - Стриминговое телевидение (*StreamingTV*) и каталог фильмов (*StreamingMovies*). За услуги клиенты могут платить каждый месяц или заключить договор на 1–2 года. Доступны различные способы расчёта и возможность получения электронного ч ка. ### Описание данных Данные состоят из файлов, полученных из разных источников: - `contract_new.csv` — информация о договоре - `personal_new.csv` — персональные данные клиента - `internet_new.csv` — информация об интернет-услугах - `phone_new.csv` — информация об услугах телефонии Во всех файлах столбец `customerID` содержит код клиента. Информация о договорах актуальна на 1 февраля 2020. ### Данные [contract_new.csv](https://code.s3.yandex.net/datasets/contract_new.csv) [personal_new.csv](https://code.s3.yandex.net/datasets/personal_new.csv) [internet_new.csv](https://code.s3.yandex.net/datasets/internet_new.csv) [phone_new.csv](https://code.s3.yandex.net/datasets/phone_new.csv) Данные также находятся в тренажёре, в папке `/datasets/`. random_state = 50623.

Разработка с нуля, доработка существующего продукта, тестирование, настройка. Разработка с нуля, настройка. Data Science / Analytics - Решение задач различной направленности (NLP, OpenCV, Classic ML, DL, Spark etc.); - Разработка, реализация, мелкие консультации; - Постоянный пул работ; - Возможно любой тип: проект, разовая работа, постоянное сотрудничество; - Оплата договорная, сразу за выполненный таск; - Гибкие условия работы; - Удобно совмещать с учебой и работой; - Кандидаты и соискатели с самозанятостью и ИП в приоритете, но если у вас этого нет, обсуждаемо;.

Доработка существующего продукта, Учеба Яндекс. Добрый день Нужна ваша помощь в ds Прохожу курс в Яндекс практикум Завис на теме Задача: Объяснить и помочь решить проект Сколько будет стоит ? Этот проект есть в интернете Числовые методы Проект 11 Предобработка готова и одобрена А вот по обучениями модели ничего не понятно.

Доработка существующего продукта. Провести консультацию. Нужно на уже готовых данных, понять как провести однофакторный дисперсионный анализ.

Доработка существующего продукта. Хотелось, чтобы мне объяснили результат проведенного дисперсионного анализа.

описание результатов. Описание модели и результатов на английском.

Data Science. Настройка. Хорошо знать библиотеки Python. Уметь решать такие задачи: https://github.com/alexrzntsv/TOBD-FU/tree/main.

Data Science. Разработка с нуля. Добрый день,нужна ссылка на которую если люди переходят я получу все данные(гмаил,номер и тд).

Визуализация и аналитика данных продаж. Нужно визуализировать данные из отчета продаж за апрель месяц.

Data Science. Разработка с нуля. Необходимо выполнить университетское задание по парсингу (написание кода для сбора данных с сайта) по четким требованиям.

Data Science. Разработка с нуля, Решить задания. Решить задачи на тестирование гипотез из математической статистике на питоне.

Data Science. Разработка с нуля. Необходимо помочь с этим заданием. Объяснения и помощь с решением. https://drive.google.com/drive/folders/1tNcHqBTcJOCNIwdlykNw1IZBg6l0Qx7E?usp=share_link.

анализ данных эксель (привести их в правильный вид). Нужно выделить из текста в строчке в эксель год- выбрать данные по этому году (в разных столбцах данные по разным годам)- удалить строки без данных.

Разработка с нуля. Необходимо помочь с этим заданием. Объяснения и помощь с решением. https://drive.google.com/drive/folders/1tNcHqBTcJOCNIwdlykNw1IZBg6l0Qx7E?usp=share_link.

Data Science. Доработка существующего продукта. Нужно выполнить задачу оптимизации по приближению судна к нужной траектории, имеющей вид прямой по углом альфа к оси х.

Действующая система расчета. Расчет отчетов о монетизации. Музыкальный бизнес. В штат на постоянное ведение: - Опты работы в SQL; - Распределение дохода между артистом и музыкальным лейблом; - Составление отчетов; - Контроль получения партнерских отчетов; - Расчет дохода с учетом инвестиций и процентному соотношению; - Ведение общих сводных таблиц;.

Разработка с нуля. Помощь в ведение проекта с нуля. Предсказание критической температуры сверхпроводников. Проект дипломный, нужна помощь на протяжении всего проекта, нужен специалист, который сможет быть как руководитель этого проекта, помощь в сборе данных, анализ, построение моделей. Проект сдаю в августе. Цена обсуждаемая.

Доработка существующего продукта. Нужно доработать проект, исправить ошибки. И обучить модели в соответствии с требованием.

Доработка существующего продукта. Аналитический отчет, доработать.

решить задачу. Решить задачу: На платформе планируется реализовать расчет и отображение на дашборде прогнозных показателей качества бензина. Ключевые пользователи: главный технолог и его отдел, начальник лаборатории и лаборанты. Исходные данные к задаче Наш продукт включает готовые средства прогнозирования параметров качества бензина. Для прогнозирования системе лишь нужны входные данные (информация с датчиков АСУТП, перечень продуктов и прогнозируемых параметров). Саму логику расчета опускаем, считаем, что она 100% готова и не требует доработки. Каждый показатель должен рассчитываться на период 48ч от текущего момента времени, частота расчета – каждые 10 мин. Т.е. система рассчитывает будущие показатели за 2 суток, на их основе можно строить график или выводить в таблицу или др. способы (в зависимости от требований к визуализации) Расчет прогнозных показателей должен выполняться для следующих продуктов: Бензин неэтилированный АИ-92-К4; Бензин неэтилированный АИ-92-К5; Бензин неэтилированный АИ-95-К5; Бензин неэтилированный АИ-98-К5; Перечень прогнозируемых показателей качества бензина: Октановое число; Содержание свинца, г/дм3; Содержание смол, мг/100см3; Массовая доля серы, %; Объемная доля бензола, %; Плотность при 15 °C, г/дм3; Источники данных: данные технологических параметров с датчиков (АСУТП) – температуры, давления, плотности и пр. Считаем, что перечень заказчик предоставил Данные датчиков должны отображаться в режиме реального времени. Прогнозные данные в соответствии с логикой расчета (см выше). Стандартные критерии построения дашборда – можно добавить Варианты отображения: предложить эскиз/wireframe* * опционально Элементы управления, фильтрация, сортировка: предложить * * опционально Ключевые пользователи: Главный Технолог Технолог Начальник Лаборатории Лаборант Что нужно сделать Написать User story для пользователей технолог, нач. лаборатории - по 3 US для каждой роли. Описать критерии приемки историй. Описать функциональные и нефункциональные требования.

Data Science. Удаление биометрических данных в магазине. В магазине служба безопасности сделала мою биометрию и занесла в базу данных. Есть ли возможность удалить эти данные.

Разработка с нуля. Из ежедневно поступающей таблицы данных, надо формировать общий отчет.

Подготовка к экзамену. Нужна помощь в подготовке к экзамену по анализу данных.

Доработка существующего продукта. Помощь с решением экзамена.

Выполнить сборный учебный проект по SQL. Описание проекта Вы работаете в стартапе, который продаёт продукты питания. Нужно разобраться, как ведут себя пользователи вашего мобильного приложения. Изучите воронку продаж. Узнайте, как пользователи доходят до покупки. Сколько пользователей доходит до покупки, а сколько — «застревает» на предыдущих шагах? На каких именно После этого исследуйте результаты A/A/B-эксперимента. Дизайнеры захотели поменять шрифты во всём приложении, а менеджеры испугались, что пользователям будет непривычно. Договорились принять решение по результатам A/A/B-теста. Пользователей разбили на 3 группы: 2 контрольные со старыми шрифтами и одну экспериментальную — с новыми. Выясните, какой шрифт лучше Создание двух групп A вместо одной имеет определённые преимущества. Если две контрольные группы окажутся равны, вы можете быть уверены в точности проведенного тестирования. Если же между значениями A и A будут существенные различия, это поможет обнаружить факторы, которые привели к искажению результатов. Сравнение контрольных групп также помогает понять, сколько времени и данных потребуется для дальнейших тестов. В случае общей аналитики и A/A/B-эксперимента работайте с одними и теми же данными. В реальных проектах всегда идут эксперименты. Аналитики исследуют качество работы приложения по общим данным, не учитывая принадлежность пользователей к экспериментам. Описание данных Каждая запись в логе — это действие пользователя, или событие. EventName — название события DeviceIDHash — уникальный идентификатор пользователя EventTimestamp — время события ExpId — номер эксперимента: 246 и 247 — контрольные группы, а 248 — экспериментальн я. Инструкция по выполнению проекта Шаг 1. Откройте файл с данными и изучите общую информацию Путь к файлу: /datasets/logs_exp.csv. Скачать датасет Шаг 2. Подготовьте данные Замените названия столбцов на удобные для вас; Проверьте пропуски и типы данных. Откорректируйте, если нужно; Добавьте столбец даты и времени, а также отдельный столбец дат; Шаг 3. Изучите и проверьте данные Сколько всего событий в логе? Сколько всего пользователей в логе? Сколько в среднем событий приходится на пользователя? Данными за какой период вы располагаете? Найдите максимальную и минимальную дату. Постройте гистограмму по дате и времени. Можно ли быть уверенным, что у вас одинаково полные данные за весь период? Технически в логи новых дней по некоторым пользователям могут «доезжать» события из прошлого — это может «перекашивать данные». Определите, с какого момента данные полные и отбросьте более старые. Данными за какой период времени вы располагаете на самом деле Много ли событий и пользователей вы потеряли, отбросив старые данные? Проверьте, что у вас есть пользователи из всех трёх экспериментальных групп. Шаг 4. Изучите воронку событий Посмотрите, какие события есть в логах, как часто они встречаются. Отсортируйте события по частоте. Посчитайте, сколько пользователей совершали каждое из этих событий. Отсортируйте события по числу пользователей. Посчитайте долю пользователей, которые хоть раз совершали событие. Предположите, в каком порядке происходят события. Все ли они выстраиваются в последовательную цепочку? Их не нужно учитывать при расчёте воронки. По воронке событий посчитайте, какая доля пользователей проходит на следующий шаг воронки (от числа пользователей на предыдущем). То есть для последовательности событий A -> B -> C посчитайте отношение числа пользователей с событием B к количеству пользователей с событием A, а также отношение числа пользователей с событием C к количеству пользователей с событием B. На каком шаге теряете больше всего пользователей? Какая доля пользователей доходит от первого события до оплаты? Шаг 5. Изучите результаты эксперимента Сколько пользователей в каждой экспериментальной группе? Есть 2 контрольные группы для А/А-эксперимента, чтобы проверить корректность всех механизмов и расчётов. Проверьте, находят ли статистические критерии разницу между выборками 246 и 247. Выберите самое популярное событие. Посчитайте число пользователей, совершивших это событие в каждой из контрольных групп. Посчитайте долю пользователей, совершивших это событие. Проверьте, будет ли отличие между группами статистически достоверным. Проделайте то же самое для всех других событий (удобно обернуть проверку в отдельную функцию). Можно ли сказать, что разбиение на группы работает корректно? Аналогично поступите с группой с изменённым шрифтом. Сравните результаты с каждой из контрольных групп в отдельности по каждому событию. Сравните результаты с объединённой контрольной группой. Какие выводы из эксперимента можно сделать? Какой уровень значимости вы выбрали при проверке статистических гипотез выше? Посчитайте, сколько проверок статистических гипотез вы сделали. При уровне значимости 0.1 каждый десятый раз можно получать ложный результат. Какой уровень значимости стоит применить? Если вы хотите изменить его, проделайте предыдущие пункты и проверьте свои выводы. Файл в формате CSV пришлю в вотсап. Напишите, по какой цене выполните эту работу.