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.
Настройка. Необходимо увеличить размер шрифта при построении графиков для дэшборда в Apache Superset версия 4.0.2. Какие настройки необходимо применить?.
Разработка с нуля. Титаник. Сбор решений EDA и ресерч-анализ. Графики, применение инструментов EDA. Комментарий до графика. Вывод после графика/стат методов. Корреляция колонок с таргетом. Feature Engineering. Корреляция новых колонок с таргетом. Feature Importances. Простая модель. Эксперименты с моделями машинного обучения/глубокого обучения. По одной из каждого семейства. Линейные, деревья, модификации градиентного бустинга , нейронные сети. На основе результатов выбрать лучшую - делаем кросс-валидацию(не менее 5 фолдов) и итоговый вывод. Spotify. Сбор решений EDA и ресерч-анализ. Графики, применение инструментов EDA. Комментарий до графика. Вывод после графика/стат методов. Корреляция колонок с таргетом. feature Engineering. Корреляция новых колонок с таргетом. Feature Importances. Простая модель. Эксперименты с моделями машинного обучения/глубокого обучения. По одной из каждого семейства. Линейные, деревья, модификации градиентного бустинга , нейронные сети. На основе результатов выбрать лучшую - делаем кросс-валидацию(не менее 5 фолдов) и итоговый вывод.
Data Science. Доработка существующего продукта. Пожелания и особенности: Я разработал проект есть html файл самого сервиса и админка, нужно настроить базу данных и всю архитектуру. Сервис для поиска компаний для коллабораций, фалы готов предоставить для просмотра.
Исследовательский анализ физиологических данных и временных рядов. Ищу специалиста для исследовательской работы с данными. Во время медитативных сессий смартфон регистрирует акселерометр и гироскоп, на их основе также рассчитываются дыхание и пульс. Задача — исследовать данные, искать артефакты и закономерности, различия между пользователями и сессиями, формулировать вопросы к участникам. Также формулирование гипотез и способов их проверки. Требуемый опыт: * использование ChatGPT / Claude или аналогов для исследовательского анализа данных * хорошее понимание математических методов анализа и обработки временных рядов и сигналов Формат: проектная работа с почасовой оплатой.
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.
Data Science. Разработка с нуля. Пожелания и особенности: Ищу No-code разработчика / IT-специалиста для создания ИИ-агента, который автоматизирует разбор коммерческих предложений (ТКП) от поставщиков.Логика работы системы:Входящий триггер: Мониторинг почты Gmail на предмет новых писем с ТКП и счетами (приходят в хаотичном формате: текст письма, Excel, PDF-сканы).ИИ-Парсинг: Письмо и вложения отправляются по API в нейросеть (GPT-4o / Claude). Нейросеть должна распознать текст/таблицу, извлечь название компании-поставщика и вытащить табличную часть: Наименование товара, Количество, Цена за единицу с НДС. Пустые письма-отбивки без цен — игнорировать.Выгрузка: Автоматическая запись извлеченных данных в итоговую сравнительную Google Таблицу, сопоставляя позиции поставщика с позициями нашего исходного ТЗ.Стек: На ваше усмотрение (Python, Make.com, n8n, Albato). Подключение к почте строго через App Passwords.Жду откликов с примерной стоимостью и сроками. Готов предоставить примеры писем для теста.
Доработка существующего продукта. Пожелания и особенности: Будет дана google таблица, в которой отмечены товары, нужно будет в приложении отмечать этот товар.
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.
Разработка с нуля. Нужно подготовить изображение чека для презентации (не для отчётности). Задача: 1. Аккуратно скрыть сумму и написать новую инструментом „Точечная восстанавливающая кисть“ или аналогом, чтобы текстура бумаги сохранилась. 2. Добавить поверх текста полупрозрачную плашку с пояснением „Сумма изменена для примера“. 3. Сохранить в PNG без сжатия». 4.поменять дату .
подгтовка к поступлению. Учусь на 3 курсе МГУ (прикладная математика, физика). В этом году хочу попробовать поступить в ШАД. Ищу человека, который закончил или имеет опыт подготовки.
Доработка существующего продукта. Частичная занятость. Нужно будет анализировать массив данных по заданным параметрам и делать определенные выводы. Оплата за каждый анализ.
Data Science. Разработка с нуля, тестирование, настройка. 1 Обучить нейросеть распознавать типы устройств по набору фото (2-5 штук). Нейросеть должна работать локально (без доступа к сети интернет) 2 Разработать API (на выделенном Linux сервере) которое на вход будет принимать набор фото, а возвращать тип, марку, заводской номер устройства. Датасет для обучения, тестирования и приёмки работ есть. Количество типов устройств 18, марок 600 Просьба продемонстрировать релевантный опыт обучения нейросетей.
Доработка существующего продукта. Нужен разбор уже написанной методики - не разработка с нуля. Контекст: продукт для управления ценой в гостиничном бизнесе. Написана методика оценки эластичности спроса по цене и протокол её доказательства: определение оцениваемой величины, аудит идентификации, счётная регрессия с логарифмической связью и экспозицией, цензурирование при распродаже, учёт замещения между датами, иерархическое объединение, расчёт мощности, негативные контроли, предрегистрация. Кода модели пока нет, данные не накоплены. Задача - прочитать документ (около 18 страниц) и дать вердикт по пунктам: 1. Корректна ли стратегия идентификации и достаточно ли рандомизации в предложенном виде. 2. Верен ли расчёт мощности и разумны ли допущения, из которых он выведен. 3. Чего не хватает в протоколе проверок и что может дать смещённую оценку. 4. Где методика обещает больше, чем позволяет дизайн. Формат: удалённо, разовая работа, 1-2 недели. Возможна последующая консультация на этапе реализации. Требования: практический опыт причинного вывода на наблюдательных данных, дизайн экспериментов, счётные модели (Пуассон или отрицательное биномиальное, экспозиция, сверхрассеяние), расчёт мощности. Плюсом - ценообразование, ритейл, revenue management.
Data Science. Настройка. Стоит серверная стойка, локальное подключение по ethernet кабелю между оконечниками есть, отсутствуют жесткие диски в стойке. Купил 4 жестких на 1тб, необходимо наверное накатить необходимую версию винды на жесткие, правильно их установить и настроить сам сервер.
Разработка с нуля, настройка. Из амо срм выгрузить необходимые данные и подгрузить в яндекс даталенз для аналитики, отслеживания выручки, конверсии и тд. Профиль- медицина.
Разработка с нуля. Пожелания и особенности: Здравствуйте . Необходимо сделать нарративный анализ по исследованию конфликтных ситуаций педагогов с родителями учеников. У нас есть тексты - нарративы педагогов (200 шт в таблице эксель, вопросы разложены по отельным столбцам) о случаях трудных ситуаций взаимодействия с родителями (время, место, участники, их действия, завершение ситуации, переживания педагога об этом,точки зрения педагога на ситуацию, Какие выводы педагог для себя сделал из данной ситуации..).
Разработка с нуля. Что нужно сделать с учетом факторов ниже: 1) рассчитать NPS по магазинам (номер магазина и его NPS) 2) рассчитать NPS по кластерам (номер кластера и его NPS) 3) вывести список магазинов, где менее 10 ответов и кол-во ответов по каждому из них 4) посчитать кол-во магазинов с NPS в диапазонах <50, от 50 до 70 (не включительно), от 70 до 80 (не включительно), >=80 для всех магазинов кроме тех, которые входят в дивизионы 6 и 7 5) для дивизионов 6 и 7 - Посчитать кол-во магазинов с NPS в диапазонах <40, от 40 до 55 (не включительно), от 55 до 70 (не включительно), >=70 6) сохранить в файле промежуточные таблицы с расчетами/формулами (чтобы мы могли проверить логику расчетов) сделать краткие выводы по разрезу кластеров Факторы, которые необходимо учесть при расчете: Для магазинов-исключений (список на отдельной вкладке) учитывать ответы с каналом 5 (и с остальными каналами), для остальных магазинов – все каналы кроме канала 5 Для всех магазинов надо исключить из расчета сотрудников (есть признак в отдельном столбце) · Учесть расчет по средней оценке в связке id клиент – магазин, то есть если у одного клиента в одном магазине было несколько оценок NPS, тогда усреднять его оценку. Далее и в прочих случаях – считать по формуле NPS: доля промоутеров (оценки 9, 10) – доля критиков (оценки от 0 до 6) · NPS кластера считается исходя из всех ответов магазинов этого кластера (доля суммы всех оценок промоутеров) - (доля суммы всех оценок критиков) с учетом приведения ответов респондентов к средней оценке в связке клиент-магазин, где необходимо Задание 2. Анализ показателей, визуализация и выводы Файл во вложении «Тестовое задание по анализу каналов». Проанализировать выгрузку по кол-ву собранных ответов NPS, которые уже разбиты на критиков/нейтралов/промоутеров: Визуализировать графики по количеству собранных ответов по каналам и дням в динамике. Сделать выводы в какие дни есть нестандартные всплески по кол-ву ответов, по каким каналам, общие выводы про динамику и кол-во собранных ответов Посчитать NPS по каждому каналу за весь период и по неделям (даты июля 1-7, 8-14, 15-21, 22-27) – проанализировать результаты и сделать выводы об изменениях Посчитать общий NPS (по всем каналам) также за весь период и по неделям – сделать выводы об изменениях Формула NPS: доля промоутеров (оценки 9 и 10) – доля критиков (оценки от 0 до 6) . Здесь среднюю оценку уже не учитываем. Оставить промежуточные расчетные таблицы/формулы в excel, чтобы мы могли проверить логику расчетов. Графики и выводы сделать в формате презентации (Power point).
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 1 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 — 174 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 174 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