Разработка машинного обучения — удалённая работа в Санкт-Петербурге

Дата: 2024-09-02

Детали

Регион

Санкт-Петербург

Занятость

дистанционно

Стоимость

от 6000.00 руб.

Дата публикации

2024-09-02

Описание

Нужно довести до ума генетический алгоритм генерации расписания по заданным входным данным и ограничениям, доделать проект по ТЗ. КОД https://disk.yandex.ru/d/BEda5PaFb_2jrg , ОН ГОТОВ НА 90% Есть код (приложен к заказу), нужно его довести по тз. ОРИГИНАЛЬНОЕ ТЗ: создать программу для составления школьного расписания отдельно для учеников и для учителей, исходя их входных данных в excel таблице. Справка: У нас только старшая школа, поэтому кабинеты могут быть заняты только нами. Все уроки в основном проходят по парам, но есть и часовые уроки. После второй пары у нас 40 минутная перемена, на ней мы едим в главном корпусе. ВХОДНЫЕ ДАННЫЕ: - Кол-во классов - Кол-во кабинетов + возможная специализация конкретных кабинетов под конкретные уроки - Академический профиль класса, по сути приоритет на предметы (Количество часов опр. предмета в неделю у опр. класса) - Время учебы в день (в часах) - Сложные предметы для каждого класса (в зависимости от его профиля) - Лимит на сложные предметы в один день (в кол-ве часов) - Кол-во учителей и специализация каждого (по предмету, 10 или 11 классу (или оба), возможно ведет только конкретные классы на параллели) ТРЕБОВАНИЯ: - Отсутствие окон у учеников обязательно, у профессоров они могут быть - Чтоб предметы, которые ведутся по парам, а не часово, так и проходили (которые не по парам обычно умеют всего 1 час в неделю) - Желательно чтоб сложные предметы перекликались с легкими (по парам) - Равномерное распределение по кабинетам (чтоб в одном кабинете не было двух классов в одно время + профессор не вел в двух местах одновременно) - Чтоб пара по одному предмету не разрывалась на большую перемену - Чтоб физкультура была либо в начале, либо в конце дня (пара) НАНСЫ: - Если не хватает кабинетов в главном корпусе, то можно использовать 3-4 кабинета из других корпусов, но нужно чтоб все уроки в другом корпусе проходили подряд и без разрыва на большую перемену (после 2 пары)Нужно довести до ума генетический алгоритм генерации расписания по заданным входным данным и ограничениям, доделать проект по ТЗ.

Откликнуться

Похожие заказы

Разработка машинного обучения

дистанционно

договорная

Пожелания и особенности: Модель представляет из себя диффузионную модель для генерации временных рядов, она уже готова (можно создать свою, если так будет проще). Её необходимо доработать в соответствии с чёткими указаниями: могу расписать подробно, какие улучшения и как должны быть произведены, саму модель также могу предоставить. Примерный список задач: 1) настройка размерностей входов и выходов модели 2) добавление позиционного кодирования и лейблинга данных 3) дальше усложняем архитектуру: в диффузионной модели – Unet с одномерными свертками + Residual блоки с skip-connection механизмом, а также FiLM для кодирования условия, функция активации везде SiLU(). 4) если всё корректно, то дальше на вход и выход модели добавляем AE/VAE для кодирования рядов в латентное подпространство и обратно. Этапы могу расписать подробнее и отдельно пояснить, если что-то непонятно.

Санкт-Петербург Фрилансеры

2025-03-12 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Установить на сайт нейросеть и обучить её.

Санкт-Петербург Фрилансеры

2025-03-01 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Пожелания и особенности: Реализовать на pytorch диффузионную модель для генерации временных рядов с модификациями. Диффузионная модель с условной генерацией и её комбинация с АЕ, VAE (уже реализованы). Часть работы уже сделана (сбор данных, отбор рядов, позиционное кодирование, AE, VAE), необходимо проверить доработать. План работ подробнее: 1) Диффузионная модель с условной генерацией (в соответствии с заданным условием, например, тренд, сезонность и т. д.) 2) AE/VAE + Диффузионная модель (AE или VAE на входе и выходе диффузионной модели для преобразования исходных данных в латентное подпространство и обратно) При желании могу всё подробнее объяснить, также есть наработки по моделям, могу поделиться для удобства. Результаты можно предоставлять постепенно, тогда сроки будут шире.

Санкт-Петербург Фрилансеры

2025-02-21 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Техническое задание Цель проекта: разработать модель машинного обучения для прогнозирования завоза отходов на заводы по обработке с учётом дня недели, месяца и типа отходов. Задачи проекта: 1. Проанализировать базы данных, размещённые в Yandex Cloud, для использования в модели машинного обучения. 2. Выбрать оптимальный способ расчёта метрик ошибок для оценки качества модели. 3. Разработать модель, которая будет учитывать день недели, месяц и тип отходов при прогнозировании завоза отходов. 4. Обучить модель на подготовленных данных. 5. Протестировать модель и оценить её точность. 6. Внедрить модель в систему прогнозирования завоза отходов. 7. Обеспечить возможность обновления модели новыми данными. 8. Предоставить рекомендации по использованию модели для принятия решений о завозе отходов. Требования к модели: • Модель должна учитывать исторические данные о завозе отходов на заводы. • Модель должна быть способна прогнозировать завоз отходов с учётом дня недели (выходной или рабочий день), месяца (сезонность) и типа отходов. • Точность прогноза должна быть не менее 95%. • Модель должна иметь возможность обучения на новых данных. • Модель должна предоставлять результаты в виде прогноза завоза отходов на определённый день.

Санкт-Петербург Фрилансеры

2025-02-14 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Всем привет! В AIP мы фокусируемся на подходе «peer-to-peer» между коллегами, чтобы достичь нашей амбициозной цели стать лучшей фирмой HFT как для наших сотрудников, так и для наших партнеров. В настоящее время мы ищем инженера машинного обучения в нашу команду Ваши задачи: -Решение задач на стыке математики и финансов -Проведение исследований, связанных с поведением участников рынка Требования: -Практический опыт в машинном обучении -Практический опыт в аналитике данных -Навыки программирования на Python и базами данных -Знание и экспертиза в области вероятности и статистики Будет преимуществом: -Высшее образование в области математики, физики, вычислительной техники или другой количественной области -Знание эконометрики, финансовой математики, опыт торговли -Опыт исследований Что мы предлагаем: -Удаленное сотрудничество -Дружелюбная профессиональная среда -Современные и сложные проекты с использованием технологий машинного обучения -Возможность профессионального и финансового роста -Гибкий рабочий график.

Санкт-Петербург Фрилансеры

2025-02-11 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Учебные задания по word2vec.

Санкт-Петербург Фрилансеры

2024-10-29 Откликнуться

Разработка машинного обучения

дистанционно

договорная

Санкт-Петербург Фрилансеры

2024-10-07 Откликнуться