Программисты — удалённая работа в Москве

Data Science. Разработка с нуля. Есть архив телефонных разговоров из МегаФон ВАТС — ориентировочно 400–500 MP3-файлов на русском языке. Средняя длительность разговора около 1–2 минут. Мне нужно не транскрибировать файлы вручную, а сделать простую автоматизацию, которая пакетно обработает всю папку. Что я предоставлю: папку с выбранными MP3; историю звонков в Excel; при необходимости — отдельный временный API-ключ для сервиса транскрибации; пример одного реального MP3. Что нужно сделать: Написать простой скрипт для пакетной обработки всех MP3 в папке. Транскрибировать русскую речь через Whisper / faster-whisper либо согласованный API. Обязательно сохранять связь транскрипта с исходным именем MP3. При повторном запуске не обрабатывать уже готовые файлы заново. Ошибочные/необработанные файлы складывать в отдельный список. По возможности извлекать из имени файла дату, время, направление звонка и номера телефонов. Если это не усложняет решение — сопоставить транскрипты с предоставленной Excel-историей звонков. Что должно быть на выходе: один CSV или XLSX со столбцами примерно: filename date time direction phone_from phone_to duration transcript status отдельный .txt для каждого разговора; папка с результатами; файл со списком ошибок; исходный скрипт; короткая инструкция: как запустить обработку новой папки самостоятельно. Важно: решение должно быть простым, без сложной инфраструктуры; Telegram-боты для транскрибации не использовать; аудиозаписи и транскрипты никуда не сохранять после выполнения работы; API-ключи не прописывать в коде; если используете локальный faster-whisper — отлично; если используется платный API — предварительно согласовать со мной. Первый этап — проверить всё на 5–10 MP3. После подтверждения качества запускаем весь массив. В отклике напишите: каким способом предлагаете делать; нужен ли вам GPU; сколько времени займёт настройка; стоимость; пример похожей задачи, если ест.

Доработка существующего продукта. Пожелания и особенности: Будет дана google таблица, в которой отмечены товары, нужно будет в приложении отмечать этот товар.

Провести анализ для открытия точки по аренде инструмента.

Разработка с нуля.

Доработка существующего продукта. Пожелания и особенности: Ищем Senior Data Engineer / Technical Lead на длительный проект в телекоме. Формат: удалённо Занятость: полная Срок проекта: до конца 2027 года Локация: РФ Гражданство: РФ / РБ График: МСК ±2 Проект: миграция ETL-процессов с Informatica PowerCenter на открытый Apache-стек: NiFi + Airflow + Greenplum Ключевые требования: • Опыт Team Lead / управления командой — от 4 лет • Сильный опыт ETL / ELT и DWH • Практический опыт миграции ETL с Informatica PowerCenter на Airflow + Greenplum • Apache Airflow — самостоятельная разработка и отладка DAG’ов • Apache NiFi — проектирование и разработка потоков • Python, pandas • Spark / PySpark • SQL, PL/SQL, хранимые процедуры и функции • Oracle, PostgreSQL, Greenplum, ClickHouse • Hadoop, Hive, Hive Metastore • Kafka и потоковая обработка данных • Grafana / Prometheus • Data Quality и автоматическая валидация результатов миграции • Опыт оптимизации сложных SQL-запросов в highload • Опыт работы с биллингом Будет плюсом: • системный анализ ETL; • перевод бизнес-требований в технические спецификации; • ER-диаграммы; • подготовка технической документации и тест-кейсов. При отклике, пожалуйста, сразу напишите: 1. Сколько лет опыта в роли Team Lead? 2. Был ли именно проект миграции Informatica PowerCenter ? Airflow / Greenplum? 3. Какой практический опыт с NiFi? 4. Есть ли опыт с биллингом?.

Необходимо собрать датасет из 1000 изображений объекта с разных ракурсов\погодой\времени суток. Разовая подработка: сбор и разметка скриншотов STALZONE — 5?000 ? Ищу человека, который играет в STALZONE и поможет подготовить изображения для обучения нейросети распознавать кабанов. Что нужно сделать: * Собрать 1000 разнообразных кадров из нескольких игровых заходов: 800 с живыми кабанами и 200 без них — окружение, другие персонажи, трупы. * Снимать кабанов с разных сторон, на разных расстояниях и при разном освещении. * Удалять одинаковые и почти одинаковые кадры. * В программе CVAT выделить каждого видимого живого кабана отдельной прямоугольной рамкой с меткой `live_boar`. Рамки должны плотно охватывать объект. Трупы этой меткой не отмечать. * Передать оригинальные изображения и разметку в формате YOLO Detection, сохранив информацию, из какого игрового захода получен каждый кадр. Требования: установленная игра, возможность самостоятельно находить кабанов, внимательность. Опыт работы с CVAT будет плюсом. Оплата — 5?000 ? за весь объём. Сначала оплачиваемая пробная партия: 50 кадров за 500 ?. Она входит в общий объём и бюджет. После проверки согласуем продолжение и срок сдачи. В отклике напишите, играете ли вы в STALZONE и есть ли опыт разметки изображений.