Data Science. Разработка с нуля, настройка. Развернуть и настроить Windows Server (2019/2022) на физическом сервере как: - контроллер домена (DC) + - терминальный сервер (RDS) для 15 пользователей в режиме RDP. Среда: Active Directory (домен), единая учётная запись пользователя для входа на рабочие станции и в терминальную сессию. Целевая нагрузка: Яндекс Браузер для организаций, 1С (тонкий клиент), MS Office, Foxit PDF. Дополнительные требования: КриптоПро, проброс ЭЦП и принтеров, общая сетевая папка, ежедневное резервное копирование с хранением 3 копий (Количество копий: хранить 3 последние копии (сегодня, вчера, позавчера). Старые удаляются автоматически.). - Яндекс Браузер для организаций — централизованная установка, политики через GPO. - 1С тонкий клиент — установка, проверка доступа к базе и к общей папке. - MS Office — установка, активация, проверка работы. - Foxit PDF — установка, проверка открытия файлов из общей папки.
Data Science. Разработка с нуля. Создание базы данных, многопользовательская, с вводом в виде карточки (не менее 20 реквизитов), фильтрация по любому из полей, удаленный доступ либо возможность подгрузки новых данных файлом, при замене реквизита - сохранение истории, удаление дублей, подсчёт статистики (в матрице не менее 12*25 позиций).
Data Science. Доработка существующего продукта. Добрый день! Думаю всем известны какие сейчас проблемы у Яндекс. Это коснулась и меня. Мне нужна помощь в восстановлении и скачивании фото и видео со свадьбы. Если есть хоть какая то возможность это все скачать в другое облако или на флешку ( и мне ее потом отправить). Хоть что-то сделать пока не поздно. Яндекс поддержка никак не отвечает или разводит руками, мол типо работаем.
Доработка существующего продукта, настройка, тестирование, разработка с нуля. Провести анализ качественных данных по психологическому исследованию. Данные опроса, провести регрессию и факторный анализ.
Data Science. Разработка с нуля, доработка существующего продукта. Нужно доработать программу для автоматического документооборота (работа с технической документацией) на предмет автоматизации хранения и согласования документов.
Настройка. Ищу специалиста, который настроит выгрузку маркетинговых данных из CRM, рекламных платформ и соцсетей в единый отчёт. Нужно, чтобы данные собирались автоматически, обновлялись и позволяли видеть показатели по каналам и сегментам аудитории. Если у вас есть опыт такой настройки — напишите, обсудим задачи и условия.
Анализ опросов для ВКР. Нужна помощь в статистической обработке данных для ВКР по психологии. Методики: Реана (мотивация успеха/боязни неудачи) и Ильиной (мотивация обучения в вузе). Выборка ~105 - 150 человек. Нужно: подсчёт баллов по ключам, описательная статистика, сравнение групп, корреляция, оформление таблиц и диаграмм. Желательно в SPSS/JASP/Excel.
Настройка, доработка существующего продукта. Нам нужно выстроить оптимальную аналитику данных по нескольким проектам. Есть небольшое количество разных данных по 3 проектам. В эти проекты попадают данные из Wb, Ozon, ПланФакт, Банки, Google-таблицы, 1С. Нужно помочь со следующими задачами: - Аккуратно переструктурировать данные по таблицам - Сформировать слой VIEW в ClickHouse - Собрать понятную короткую документацию по данным и архитектуре - Проверить на корректность загрузки данных с источников - Выстроить оптимальные дашборды в Metabase (тут будем обсуждать подробнее и периодически дополнять) Стэк: ClickHouse, Python, Metabase Оплату готов обсуждать почасово, либо разбивать на небольшие проекты и двигаться в таком формате. Нужен человек в долгую работу с частичным участием по запросу. Сейчас задач много и надо погрузиться, разгрести накопившееся Знание ClickHouse и Python обязательно.
Data Science. Разработка с нуля. Пожелания и особенности: Разработка программы для распознавания информации из файлов пдф и перенос этой информации структурировано в эксель таблицу.
Data Science. Разработка с нуля, доработка существующего продукта. Ищу Python/LLM-разработчика для создания MVP AI-системы для генеалогических исследований. Система должна анализировать массив архивных документов по человеку и формировать: 1. Генеалогическое досье – связную насыщенную биографию, родственные связи, хронологию, источники и реальные противоречия; 2. Исследовательский слой – анализировать каждый значимый факт и совокупность фактов, выявлять пробелы, формировать обоснованные генеалогические гипотезы и конкретные направления дальнейшего поиска. Например, система должна не просто видеть «место рождения неизвестно», а понимать, что можно установить дальше, зачем это нужно для родословной, какое свидетельство необходимо, где оно может находиться, что изменится при подтверждении/опровержении и куда двигаться при отрицательном результате. Важно сразу проектировать ядро с возможностью дальнейшего развития: - автоматический поиск по архивным каталогам и историческим/генеалогическим онлайн-базам; - работа с фондами, описями и архивными маршрутами; - учёт уже выполненных запросов и отрицательных результатов; - чат по конкретной персоне с опорой на источники; - автоматическая сборка и вёрстка семейной книги из досье, документов, фотографий и древа. На первом этапе всё это реализовывать не требуется — нужен рабочий MVP ядра, но архитектура не должна создавать тупик для дальнейшего развития. Критично: не терять биографически значимую информацию, не смешивать разных людей, сохранять связь выводов с источниками, отличать OCR/описки от реальных противоречий и не превращать предположения LLM в факты.
Data Science. Разработка с нуля. Требуется создать систему автоматического формирования субтитров на основе аудио и видео материалов с использованием технологий искусственного интеллекта. Ориентиры - существующие сервисы speech2text.ru и any2text.ru, но задача - сделать продукт не хуже, а по ряду параметров лучше (расширенный функционал, гибкость, безопасность). Система должна работать как в онлайн-режиме (веб-сервис), так и в офлайн-режиме (локальная программа или self-hosted решение) для работы с конфиденциальными данными. Рассматриваются как готовые решения с доработкой, так и разработка с нуля. Основные функции системы: Автоматическое распознавание речи (ASR): Поддержка русского и иностранных языков (минимум 5–10 популярных). Высокая точность, возможность дообучения под специфическую лексику (историческую, техническую, кинематографическую). Учет контекста через промпты (до 250 слов). Разделение дикторов (Speaker Diarization): Автоматическое определение смены говорящего, присвоение идентификаторов (Мужчина 1, Женщина 1, Группа и т.д.). Возможность ручного переименования спикеров. Распознавание текста на видеоизображении (OCR): Детекция и оцифровка надписей, титров, вывесок. Классификация: диалог, экранный текст, титры. Возможность включать/исключать распознанные надписи в итоговый файл. Машинный перевод (MT): Автоматический перевод субтитров на минимум 14 языков. Сохранение таймкодов и структурной привязки текста (alignment). Учет культурных и исторических особенностей. Встроенный веб-редактор: Двухпанельный режим (оригинал/перевод, черновик/правка). Видеоплеер с покадровой навигацией. Управление таймкодами, разделение/объединение сегментов. Проверка орфографии, поиск и замена. Поддержка версионности (история изменений, откат). Экспорт субтитров: Форматы: SRT, VTT, JSON, XML, DOC/DOCX, ODT, TXT, STL (EBU). Диалоговые листы в Word. Возможность встраивания субтитров в видеофайл. Дополнительно (желательно): Загрузка диалоговых листов (сканы, текст) для повышения точности ASR. Автоматическая проверка соблюдения стандартов субтитрирования (ГОСТ, EBU). Работа в изолированном контуре без доступа в интернет. Технические требования: Использование современных open-source моделей: Whisper (faster-whisper), pyannote.audio, Helsinki-NLP и др. Возможность развертывания на сервере заказчика (on-premise) или в облаке (РФ). Веб-интерфейс (React/Vue + Python/FastAPI/Node.js). Поддержка GPU для ускорения обработки. Передача исходного кода и прав на использование. Ожидаемый результат: Работающий прототип (MVP) с базовым функционалом ASR + экспорт SRT. Полноценная система с редактором, диаризацией, переводом и OCR. Документация (руководство пользователя и администратора). Рассматриваю как отдельных специалистов, так и команды/студии. Как откликнуться: В отклике укажите: Ваш опыт в разработке ASR/ML-систем. Примеры похожих проектов (если есть). Предлагаемый стек технологий. Оценку сроков и стоимости (хотя бы вилку). Готовы ли работать с передачей исходного кода.
Data Science. Разработка с нуля. Цель задачи: Разработать плагин для FunPay Cardinal, который автоматически изменяет цены товаров на FunPay, получая данные с сайта-донора и управляется через Telegram-бота.
Data Science. Разработка с нуля. Программист / AI-разработчик (автоматизация Avito) О нас: Мы — динамично развивающаяся команда, которая занимается ведением клиентов на Авито. Ищем специалиста, который поможет нам внедрить современные нейросетевые технологии в процессы работы с Avito. Чем предстоит заниматься: · Разработка и внедрение скриптов и ботов для автоматизации действий на платформе Avito. · Использование API искусственного интеллекта (OpenAI, YandexGPT и др.) для генерации описаний товаров, автоответов в чатах и анализа конкурентов. · Написание парсеров для сбора и анализа данных с площадки. · Оптимизация процессов размещения и продвижения объявлений с помощью алгоритмов машинного обучения. Наши требования: · Уверенное владение Python (или другим языком программирования). · Практический опыт работы с API Avito. · Понимание принципов работы LLM (Large Language Models) и опыт интеграции AI-сервисов (ChatGPT, Midjourney и т.д.) в код. · Опыт написания парсеров (BeautifulSoup, Selenium, Playwright). · Знание основ работы с базами данных. · Умение работать с прокси и обходить базовые блокировки (приветствуется). Условия: · Зарплата: от 100 000 рублей (по результатам собеседования). · Формат работы: Удаленно · Гибкий график. Если вам откликнулась наша вакансия, заполните пожалуйста форму: https://forms.gle/XeTDbXVFkUL33z648.
Разработка с нуля. Пожелания и особенности: Нужно ежедневно загружать данные из четырёх источников в SQL-базу, очищать и объединять их, а затем показывать результаты в двухстраничном отчёте Power BI. ETL-процесс должен запускаться по расписанию на сервере с Astra Linux в Docker. В Grafana нужен мониторинг загрузок: время последнего запуска, статус, длительность, количество обработанных строк и ошибки.
Data Science. Доработка существующего продукта. Пожелания и особенности: Требуется программист со знанием SQL для работы с медицинской информационной системой «Архимед Плюс». Необходимо разобраться со структурой существующей базы данных и внести изменения в уже имеющийся шаблон/протокол медицинского документа. Желателен опыт работы с SQL-базами и медицинскими информационными системами.
Найти весь материал по сборнику статей «Конвергенция частного и публичного права: первые итоги модернизации российского законодательства и перспективы его развития».
решить учебную задачу в DataLens. Кейс: «BI-решение для развития сети ТехноМир» Исходные данные есть в екселе. Шаг 1. «Бенчмаркинг: магазин vs сеть» Руководитель хочет видеть не просто сухие цифры, а «здоровье» конкретного магазина в контексте всей сети. • Задание: сопоставить показатели выбранного магазина со средними значениями по всей компании «ТехноМир». • Задача: создайте блок KPI-индикаторов, который будет отображать два значения для каждой метрики (выручка, количество заказов, средний чек, LTV): 1. Показатель выбранного магазина (через фильтр ShopID). 2. Средний показатель по всей сети (без учёта фильтра ShopID). 3. Пояснение: на дашборде должны быть представлены парные индикаторы (магазин vs сеть), чтобы визуально оценить, как конкретный магазин выглядит на фоне остальных. Шаг 2. Анализ сезонности и вклада категорий Логистам нужно понимать структуру спроса, чтобы правильно планировать поставки. • Задание: постройте диаграмму с областями (Area Chart). • Задача: визуализируйте, как менялся вклад каждой категории товаров в общую выручку сети за период 2023–2025 гг. Проанализируйте график и определите периоды (месяцы) наиболее выраженных пиков и спадов продаж для сети в целом, а также оцените, сохраняется ли эта динамика для всех категорий одновременно. Шаг 3. Темпы роста (динамика MoM) Нам важно понять, какие магазины показывают стабильный рост, а какие теряют темп. • Задание: рассчитайте динамику выручки месяц к месяцу (MoM) с помощью оконной функции LAG. • Визуализация: постройте линейный график («спагетти»), где каждая линия — это отдельный магазин. Важно: настройте фильтр так, чтобы на графике отображались данные только за 2025 год. • Задача: сравните линии: чей тренд роста наиболее устойчив, а в каком магазине наблюдаются резкие «провалы»? Шаг 4. Поиск инсайтов (таблица) Чтобы увидеть общую картину по всем точкам, создадим детальную таблицу. • Задание: создайте таблицу, которая выводит следующие показатели по каждому магазину: • ID Магазина, • Район, • Выручка (руб), • Кол-во заказов, • Кол-во клиентов, • Средний чек, • Средний срок доставки (дней), • *Средняя скидка, % *и • LTV. • Задача: настройте в столбце «Выручка» линейный индикатор, чтобы визуально выделить лидеров и аутсайдеров сети. Шаг 5. Финальный этап: аналитическая записка и сдача проекта Когда дашборд готов, переходим к управленческой части. Ваше задание: • Создайте вкладку «Комментарии» на дашборде (используйте виджет «Текст»). • Напишите аналитическую записку (3–5 предложений) для руководителя: • Укажите 2–3 магазина с самыми низкими показателями, которые «тянут» сеть вниз. • Предложите гипотезу: какие конкретные метрики (например, средний чек, количество заказов или LTV) стоит улучшить в этих точках для роста общей выручки. • Самопроверка перед сдачей (QA-чек): • Бьются ли цифры: проверьте, совпадает ли сумма выручки по магазинам в таблице (Шаг 4) с итоговой суммой по сети. • Логика фильтров: переключите фильтр ShopID — корректно ли пересчитываются все KPI и графики? Нет ли «зависших» значений, которые не меняются при выборе магазина? • Адекватность данных: нет ли на графике «спагетти» аномальных выбросов, которые выглядят как техническая ошибка (например, нулевая выручка или отрицательные значения там, где их не должно быть)?.
Data Science. Разработка с нуля, настройка, доработка существующего продукта. Всем здравствуйте, Я кофаундер стартапа, сейчас мы акселерируем проект, готовим потенциальное МВП к запуску на рынок, ищем лидеров, потенциальных тим лидов и проджект менеджеров. и так же скиловых программеров . Сейчас есть возможность попасть под начала развития стартапа, возглавить направления/проект, за ним закрепиться и выйти на потенциальный пассивный источник дохода Нам нужны программисты с видением, с инновационными решениями и нестандартным подходом, мы стремимся создать масштабный проект и ищем единомышленников.
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 5 предложений о работе за сегодня в тематике data scientist
🔸 Работа и подработка на бирже фриланса от прямых заказчиков, которым нужна помощь специалистов по профилю data scientist уже сегодня!
🔸 Свежих заказов на data scientist в России для фрилансеров на октябрь 2026 года — 168 шт.
Как найти удалённую работу для фриланс-специалистов по профилю data scientist в России?
Вы специалист по data scientist и ищете проекты и заказы на удалёнке в России? Нам всегда есть что вам предложить. Ежедневно мы публикуем новые проекты и заказы по вашей специальности. Найдите интересную работу уже сегодня
Сколько проектов для IT-специалистов по профилю data scientist в России?
На октябрь 2026 года опубликовано 168 предложений удалённой работы от прямых заказчиков для исполнителей по специализации data scientist
Сколько можно заработать выполняя проекты по data scientist?
Специалисты по профилю data scientist зарабатывают от 0.00 рублей с заказа. Хотите больше? Выполняйте как можно больше заказов и зарабатывайте сколько пожелаете