Доработка существующего продукта, настройка, тестирование, разработка с нуля. Разработать приложение на Flask с графическим интерфейсом или интерфейсом командной строки, которое будет выдавать прогноз показателя модели машинного обучения код модели написан и сохранен. Написать краткую инструкцию пользователя по приложению Выложить все репозиторий в GitHub разместить там код , продемонстрировать работу приложения. Оформить файл README.
8 домашних заданий. Пожелания и особенности: Необходимо выполнить 8 простых заданий по аналитике данных применяя Google Colab по готовым примерам и написать отчёт о проделанной работе. Отправить задания нужно отдельными файлами. Время выполнения - 1 сутки. Сами задания прописаны в гугл-доке, внутри есть ссылки на примеры: https://docs.google.com/document/d/126Zgn10JRPqXuXfYA8WHBo0dcgjqLvRw1bsVHO44Ves/edit?tab=t.0.
Доработка существующего продукта. Необходим специалист работающий в qlik view. Помочь разобраться с моим файлом. Пример того, что нужно сделать. помочь дописать выражение - вывести клиентов с положительным итогом в гистограмме. Дописать выражение в кнопку ( при нажатии открывалось нужное поле с данными) Связь онлайн через тимс. Оплата 600 руб.час.
Data Science. Доработка существующего продукта. Нужен специалист разбирающийся в R, а именно в библиотеке survival. Имеется рыба кода, который строит графики кокса и выводит определённые коэффициенты Возникли определённые неполадки в результатах: выводятся не те результаты, которые необходимы.
Настройка, разработка с нуля. Формат работы Удаленно / гибрид Проектная занятость Срочный проект до сентября 2027 года Обязанности: Руководство научно-исследовательской работой (НИР) по теме перспективного технологического развития ПАО «Транснефть» до 2050 года; Организация и проведение форсайт-исследований; Проведение сценарного анализа и Delphi-опросов; Формирование и координация экспертных групп; Анализ перспективных технологий в нефтегазовой отрасли и ТЭК; Разработка дорожных карт развития технологий до 2050 года; Подготовка аналитических и научно-технических отчетов; Проведение экспертных панелей и стратегических сессий; Взаимодействие с Заказчиком, участие в регулярных ВКС; Подготовка материалов в соответствии с ГОСТ 7.32-2017. Требования: Высшее образование; Опыт участия в НИР, стратегических или аналитических проектах от 5 лет; Опыт проведения форсайт-исследований обязателен; Знание методов: Delphi; сценарный анализ; roadmap planning; оценка критических технологий; Опыт подготовки аналитических отчетов и дорожных карт; Понимание нефтегазовой отрасли / ТЭК; Опыт взаимодействия с крупными промышленными или государственными заказчиками; Навыки системной аналитики и стратегического планирования; Грамотная письменная речь и опыт подготовки больших отчетных документов. Будет преимуществом: Наличие публикаций, патентов; Опыт участия в отраслевых экспертных советах; Опыт работы с ПАО, госкомпаниями, институтами развития; Участие в технологических стратегиях или программах инновационного развития. Условия: Работа в масштабном долгосрочном проекте федерального уровня; Возможность привлечения собственной экспертной команды; Удаленный формат работы; Гибкий график; Долгосрочный контракт до 09.2027; Уровень оплаты обсуждается индивидуально.
Data Science. Доработка существующего продукта. Нужна помощь нужно подобрать открытый проект (из gethub) и адаптировать к работе "разработка анализ методов оптимизации обучения глубоких нейронных сетей на оборудовании с ограниченными ресурсами мобильных автономных роботов" нужна реализовать и сделать (ограниченным ресурсом может быть любой ноутбук).
Data Science. Настройка. SpeechSence с помощью ИИ-ассистента производит анализ телефонных разговоров наших сотрудников. Результаты нас устраивают. Но нет возможности выгружать эти данные в табличном формате. Нужно настроить эту выгрузку по api или подобрать подходящий сервис и реализовать через него.
Data Science. Разработка с нуля. Есть файл с кодом на С++, уже готовый Техническое задание (ТЗ) на разработку C++ программы 1. Общая постановка задачи Разработать программу на C++ для численного моделирования коллективной динамики сети нейронов ФитцХью-Нагумо (ФН) с взаимными связями. Программа должна учитывать формулы, написанные преподавателем от руки (листочки с уравнениями), а не только классическую модель из курсовой. Программа должна компилироваться в MINGW (g++), а визуализация результатов должна выполняться через Gnuplot (программа сохраняет данные в текстовые файлы, графики строятся отдельно). 2. Математическая модель (основные уравнения) Реализовать систему для каждого нейрона i в сети: · Быстрая переменная v_i (мембранный потенциал) · Медленная переменная w_i (восстановление) Уравнения (согласно пометкам преподавателя): \epsilon\frac{dv_i}{dt} = v_i - \frac{v_i^3}{3} + I_{syn} + I_{ext} \frac{dw_i}{dt} = a(v_i + b - c w_i) Где: · I_syn — синаптический ток от других нейронов · I_ext — внешний сигнал (периодический, импульсный, шум) · ?, a, b, c — параметры модели (задаются пользователем или фиксированы) Синаптический ток (универсальная форма): I_{syn} = \sum_{j} g_{ij} \cdot (v_j - v_i) Для электрической связи — линейная форма. Для химической связи — с дополнительной переменной s_ij(t) и потенциалом реверса v_rev. 3. Типы сетей (реализовать все) Программа должна поддерживать переключение между типами сети через параметр в конфигурации: № Тип сети Описание 1 1D цепочка Нейроны соединены последовательно (с соседями слева/справа) 2 1D кольцо Цепочка, где первый и последний нейроны также соединены 3 2D прямоугольная решетка Связи с 4 соседями (вверх/вниз/влево/вправо) 4 2D решетка с периодическими границами (тор) Противоположные края соединены 5 Полносвязная сеть Каждый нейрон связан со всеми остальными Количество нейронов — до 100 (задаётся пользователем). 4. Типы синаптической связи (реализовать оба) · Электрическая связь (линейная, двунаправленная, мгновенная) · Химическая связь (пороговая, с переменной s(t), может быть возбуждающей или тормозной) Параметры связи (сила g, потенциал реверса) задаются пользователем. 5. Внешние воздействия (реализовать все) Тип Форма Назначение Импульс Прямоугольный/гауссиан Проверка порога возбуждения Периодический A·sin(2?ft) Исследование резонанса Шум Гауссов белый шум Стохастическая когерентность Шум + сигнал Сумма периодического + шум Эффект стохастического резонанса 6. Что нужно вычислить (результаты программы) Программа должна сохранять в CSV-файлы данные для последующего построения графиков в Gnuplot: 1. Временные ряды v_i(t) / w_i(t) для выбранных нейронов. 2. Разности фаз между нейронами (для анализа синхронизации). 3. Пространственно-временные диаграммы (матрица: время ? номер нейрона ? значение v). 4. Зависимость отклика от частоты (для резонанса). 5. SNR (отношение сигнал/шум) или регулярность спайков в зависимости от интенсивности шума (для стохастической когерентности). 6. Скорость распространения волны (для цепочки/решетки). 7. Требования к программе · Язык: C++17. · Компилятор: MINGW (g++). · Библиотеки: только стандартные (iostream, fstream, cmath, vector, random, chrono). · Численный метод: Рунге-Кутта 4-го порядка с фиксированным шагом dt = 0.001. · Шум: генератор гауссова шума (стандартное нормальное распределение через std::mt19937). · Ввод параметров: через константы в коде или через текстовый конфигурационный файл. · Вывод: текстовые .csv / .dat файлы с разделителем , или пробелом. 8. Что должно быть продемонстрировано (итоговые результаты) Программа должна уметь воспроизводить все явления из курсовой: Явление Краткое описание Порог возбуждения Минимальный импульс, вызывающий спайк Фазовая синхронизация Переход к синхронным спайкам при увеличении силы связи Кластерная синхронизация Разбиение сети на группы с одинаковой фазой Волна возбуждения Распространение спайка по цепочке/решетке Резонанс Максимум отклика при определённой частоте стимула Стохастическая когерентность Оптимальный шум, усиливающий слабый сигнал 9. Построение графиков (Gnuplot) Программист не должен рисовать графики внутри кода C++. Вместо этого он предоставляет: · Готовые Gnuplot-скрипты (.gp файлы) для каждого типа графика. · Инструкцию, как запустить Gnuplot и получить график (например, gnuplot plot1.gp). Также добавлю файл с курсовой работой и сам файл кода.
Data Science. Решить домашнюю работу. Пожелания и особенности: Необходимо решить домашнюю работу и мини-контест, задача исследовательская, уровень МГУ, просьба не писать, если нет уверенности, уже трое специалистов с профи не смогли справиться с помощью по университетской программе AIM.
поиск данных. Поиск потенциальных покупателей на медные пластины есть полное описание оплата с каждого покупателя Оплата не всего 4000рубл. а уточняю с каждого покупателя так в день можно найти несколько покупателей.
Доработка существующего продукта. Feature Engineering (ключевая область) Проектирование, разработка и валидация признаков для моделей. Работа с различными типами данных: Структурированные данные (объявления) нормализация параметров: площадь, цена, ставка аренды производные признаки: цена за м? отклонение от медианы по рынку обработка пропусков и шума Текстовые данные (NLP) извлечение сигналов из: описаний заголовков признаки: наличие “триггеров” (срочная продажа, торг и т.д.) embeddings текстов очистка и нормализация текстов Геопризнаки генерация spatial features: плотность POI транспортная доступность пешеходный/автомобильный трафик агрегации по зонам (H3/районы) distance-based признаки Временные признаки динамика: цены экспонирование объявления сезонность time-to-sell Поведенческие и рыночные признаки частота появления объектов повторные публикации активность продавца Важные аспекты: борьба с data leakage устойчивость признаков во времени интерпретируемость влияние на бизнес-метрики 2. Построение моделей скоринга разработка моделей: инвестиционного рейтинга прогнозирования доходности оценки справедливой цены построение ансамблей моделей 3. Антифэйк и качество данных детекция: фейковых объявлений выбросов (аномально дешевые/дорогие объекты) разработка механизмов trust score объявлений 4. Работа с дубликатами построение similarity моделей: embeddings (text + structured) clustering объявлений 5. Геоаналитика построение признаков: плотность POI транспортная доступность трафик spatial clustering районов влияние окружения на цену/ликвидность 6. NLP задачи извлечение признаков из: описаний заголовков классификация и нормализация текстов 7. Исследование данных (EDA) поиск закономерностей формирование гипотез влияние факторов на инвестиционную привлекательность 8. Валидация моделей offline метрики дизайн A/B тестов интерпретация моделей (feature importance) 9. Работа с продом (в связке с Python Dev) постановка требований к ML pipeline участие в внедрении моделей контроль качества после деплоя, проектирование инструментов контроля качества (drift, деградация) Требования к знаниям и навыкам Обязательные ML / Data Science уверенные знания: классификация регрессия ансамбли (GBM, XGBoost, LightGBM, CatBoost) опыт feature engineering (ключевой навык) работа с несбалансированными данными anomaly detection Python stack pandas, numpy scikit-learn опыт работы с пайплайнами Работа с данными SQL (обязательно) опыт работы с “грязными” данными понимание data leakage Статистика проверка гипотез доверительные интервалы A/B тесты Геоаналитика H3 / GeoPandas / PostGIS spatial features NLP embeddings (BERT, sentence-transformers) opensource / frontier LLM работа с текстами объявлений Similarity / Matching cosine similarity ANN (FAISS и аналоги) Time-series / forecasting прогноз ликвидности динамика цен Интерпретируемость SHAP / feature importance объяснимый ML Требования к опыту Минимум: 5+ лет в Data Science Обязательно: опыт production ML опыт работы с: marketplace / classifieds / real estate / fintech или любыми messy данными с большим шумом Очень желательно: опыт антифэйк / антифрод опыт скоринговых моделей опыт работы с пользовательской ценностью (а не только accuracy).
Практический урок. Я обучаюсь на инженера данных, мне нужно чтобы человек который разбирается в проектировании DWH и помог бы мне в лайве понять как проектировать Star Schema, Data Vault 2.0, Anchor Modeling. Формат такой: я буду рисовать три схемы в draw.io а инженер меня поправлять, и говорить как делать, как инструктор по парашютному спорту).
Исследовательская работа. Пожелания и особенности: Здравствуйте! Нужна консультация опытного аналитика. Я исследую в магистратуре демографические процессы, и модели работают не так как нужно (по логике) нужно проверить код и проконсультировать меня. Анализ проводится в среде R. Логит регрессии.
Data Science. Разработка с нуля. Нужен скрипт, который по заданным объявлениям заходит каждый день вечером на авито, проверяет календарь бронирований и сохраняет занятые дни в файл. Нужно для оценки загрузки отелей конкурентов.
Data Science. Доработка существующего продукта. Мне необходимо с помощью кода распределить комментарии из готового датасета по группам, чтобы программа сама понимала, к какой группе отнести тот или иной комментарий.
Data Science. Настройка. Пожелания и особенности: Работа с площадкой Авито Суть: есть прайс лист который ежедневно приходит на почту, вариация в двух форматах CSV и XLS Нужен софт или сторонний сервис или способ, на ваше усмотрение, чтоб а) данный прайс выгружался на Авито б) была возможность проставить наценку нужную мне или градацию наценок в) шаблонное фото для всех объявлений г) соответственно чтоб прайс парсить каждый день и менялось количество, остатки итд РАССМОТРЮ ВАШИ ВАРИАНТЫ И ЦЕНЫ.
Разработка с нуля. Пожелания и особенности: Требуется разработать единое программное обеспечение для автоматизации расчетов и мониторинга работы сооружений водоотведения. Программа должна включать функционал для стадии предпроектной подготовки, который обеспечивает ввод исходных данных, выполнение расчетов технологических параметров строго по алгоритмам приложения Г свода правил СП 32.13330 и выгрузку итоговых отчетов. Также в системе необходимо реализовать электронный журнал для этапа пуско-наладочных работ. Этот инструмент должен позволять вносить оперативные показатели работы сооружений, автоматически высчитывать по ним базовую статистику и строить наглядные масштабируемые графики для визуального анализа эффективности процессов во времени. Весь описанный функционал следует объединить интуитивно понятным интерфейсом с надежной системой сохранения данных.
Data Science. Разработка с нуля. Пожелания и особенности: Разработка программ для сбора данных, построения аналитики, расчетов в области инженерии. 1. Необходимо разработать программу для обработки данных на стадии предпроектной в соответствии с требованиями СП 32.13330, приложение Г. 2. Необходимо разработать программу для анализа данных на период проведения пуско-наладочных работ на сооружениях - журнал данных с графическим отображением статистических данных.
Data Science. Разработка с нуля. Пожелания и особенности: Разработать автономного LLM-агента для статического анализа безопасности (SAST) . Агент работает локально (без вызова облачного API), интегрируется в CI/CD (GitLab CI/GitHub Actions) и находит реальные уязвимости типов OWASP Top 10 и CWE Top 25. Присылайте ваше резюме, пишите про свой релевантный опыт. Юл просьба не беспокоить.
Data Science. Разработка с нуля. Добрый день! Мне нужно написать программу, которая переносила бы текст из Excel файла в отчет пптх + строила 2 графика (первые 4 страницы).
Разработка с нуля. Пожелания и особенности: необходимо сделать проект для вуза по теме расширение пространства признаков и fine tuning нейронных сетей.
Доработка существующего продукта. ?? 4. ПРОДУКТОВИК / АНАЛИТИК ?? Продукт-аналитик / Growth-специалист в стартап знакомств MomentX MomentX — платформа знакомств с фокусом на реальные встречи и живое общение. Мы растём и ищем человека, который будет находить точки роста и усиливать конверсию продукта. ?? Это не “менеджер ради процессов” — это человек, который влияет на цифры. ?? Задачи — анализировать поведение пользователей (где заходят / где уходят) — находить точки потерь (регистрация, анкета, чат) — предлагать и тестировать улучшения — увеличивать конверсию в регистрацию, общение и оплату ?? Примеры задач — почему пользователи не пишут друг другу — где теряются новые регистрации — как улучшить профиль / чат / первые действия ?? Условия — оплата за результат (рост метрик) — бонусы за улучшение конверсии — процент от роста проекта ?? ты напрямую влияешь на цифры и свой доход ?? Перспектива — ключевая роль в продукте — влияние на развитие платформы — рост до продукт-лида ?? Важно Не подойдёт, если: — нет аналитического мышления — нет инициативы — хочешь “просто выполнять задачи”.
Data Science. Разработка с нуля. Пожелания и особенности: Автономный программный робот (Python/RPA) для автоматизирования ночной работы. Работает строго по расписанию. Утром выдаёт отчёт, например, в виде таблицы excel. RPA, Web Automation / Selenium / Playwright, Работа с API мессенджеров и CRM, Data Parsing / OSINT, Task Scheduler / Cron, Logging & Monitoring.
Почему стоит искать работу для фриласнеров по профилю data scientist в России у нас?
🔸 Более 3 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 июнь 2026 года — 250 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 июнь 2026 года опубликовано 250 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