Data scientist – работа для фрилансеров в Москве

консультирование существующего аналитика. Нужно обучить аналитика на практике для поиска работы по таким темам: • Опыт работы с прогнозными моделями: понимание того, как оценивать качество прогноза, находить источники ошибок и предлагать улучшения • Уверенное владение SQL (мы используем PL/SQL Oracle): оконные функции, сложные запросы на больших массивах данных, создание процедур • Уверенное владение Excel (Power Query, сводные таблицы) и PowerPoint, опыт создания наглядной визуализации данных • Аналитический склад ума, ответственность, автономность в решении задач • Английский на уровне чтения технической документации • Python (pandas, statsmodels/scikit-learn, библиотеки визуализации) и опыт построения или доработки моделей прогнозирования временных рядов • Опыт работы в Tableau и других BI-системах.

Настройке и внедрение ИИ в маркетплейс озон и вайлдбериз. GPT, claude, иные. Написание ИИ агентов, разработка с нуля. Пожелания и особенности: Математический склад ума.

помощь. Описание задания: Ищу опытного преподавателя или специалиста по Python и анализу данных для индивидуальных занятий с практическим применением к реальному научно-исследовательскому проекту. У меня научный бэкграунд в геохимии и минералогии. В настоящее время работаю над международной научной статьёй, предполагающей систематизацию и статистический анализ большого массива количественных данных из научных публикаций. Основные задачи: Освоение Python применительно к обработке больших таблиц и научных данных (Pandas, NumPy, Jupyter Notebook). Автоматизация извлечения, объединения и проверки числовых данных из Excel, CSV и таблиц научных PDF. Очистка данных, выявление ошибок, пропусков, выбросов и дублирующихся записей. Статистический анализ многомерных данных, визуализация, исследование корреляций и закономерностей. Практическое применение алгоритмов Machine Learning: Random Forest, градиентный бустинг, кластеризация, PCA и другие методы по мере необходимости. Оценка качества моделей, интерпретация результатов и определение статистической достоверности выводов. Подготовка воспроизводимых расчётов, графиков и аналитических результатов для научной статьи. Формат работы: Индивидуальные онлайн-занятия с разбором моего исследовательского материала. Важно не просто получить готовый код, а научиться самостоятельно понимать, модифицировать и применять его к научным задачам. В перспективе потребуется методологическая и техническая помощь в реализации ML-подходов и оформлении результатов для публикации в рецензируемом международном журнале. Требования к специалисту: Уверенное владение Python, Pandas, scikit-learn и методами статистического анализа. Желателен практический опыт работы с научными данными, исследовательскими проектами или публикациями. Знание геологии и геохимии будет преимуществом, но не является обязательным. Рассматриваю регулярные занятия и долгосрочное сотрудничество. Стоимость и график обсуждаются индивидуально.

Data Science. Доработка существующего продукта, Техническое ведение проекта. Только из города Волгограда или Волжского. Только из города Волгограда или Волжского!!! Техническое ведение готового проекта . Новый российский маркетплейс.

Создание и ведение таблицы доходов и расходов. Пожелания и особенности: Работа на постоянной основе, подключение несколько раз в месяц.

Разработка с нуля, Обучиться Аналитике данных. Хочу обучиться аналитике данных для дальнейшего перехода в сферу.

Аналитика, разработка с нуля, тестирование, настройка, доработка существующего продукта.

Data Science. Настройка. Нужно установить миджорни для создания и генерации рисунков.

Обучение. Маркировка.

анализ. Анализ воронки продаж.

Data Science. Доработка существующего продукта, настройка, тестирование.

Разработка с нуля. О проекте Для реализации проекта требуется специалист по разработке аналитических систем, интеграции и обработке данных. Проект предусматривает создание интерактивной аналитической BI-системы обработки и предоставления данных в сфере внешнеэкономической деятельности (ВЭД). Система должна обеспечивать сбор, очистку, преобразование и объединение данных из существующих источников, формирование централизованного хранилища и аналитических витрин, а также предоставление пользователям интерактивных дашбордов и отчетов. Важное условие: система разворачивается исключительно в закрытой инфраструктуре заказчика. Использование облачных сервисов не допускается. Предпочтение отдаётся специалистам с опытом разработки корпоративных аналитических систем и работы с большими объёмами данных. Основные задачи 1. Разработка ETL-процессов Разработка и настройка процессов извлечения, преобразования и загрузки данных с использованием Apache Airflow, Python и SQL. Интеграция данных из существующих баз данных, файловых источников и REST API. Реализация полной и инкрементальной загрузки, обработки ошибок, повторных запусков и журналирования. Очистка, дедупликация, нормализация и обогащение данных. Разработка механизмов сопоставления данных с нормативно-справочной информацией и классификаторами. 2. Разработка и настройка хранилища данных Проектирование и реализация многослойной архитектуры хранилища: STAGE, ODS, DDS и DATAMARTS. Разработка таблиц, представлений, связей, индексов и аналитических витрин на базе PostgreSQL / Greengage. Интеграция данных из существующих структур закрытого контура без избыточного дублирования. Организация хранения истории изменений и контроля качества данных. Оптимизация запросов и обеспечение производительности аналитической системы. 3. Интеграция источников данных Работа с существующими таблицами и представлениями корпоративных баз данных. Подключение REST API для получения мастер-данных организаций. Реализация загрузки справочников и классификаторов из файлов Excel. Сопоставление сведений о компаниях, внешнеторговых операциях, товарах, странах и регионах. Подготовка совместимых представлений данных для BI-подсистемы. 4. Разработка BI-системы Настройка Apache Superset и подключение аналитических витрин. Разработка интерактивных дашбордов, графиков, таблиц и карточек ключевых показателей. Реализация сквозных фильтров по периоду, товарам, странам, регионам, компаниям и направлениям торговли. Настройка выгрузок данных в XLS/CSV и формирование отчетов в Word по согласованным шаблонам. Реализация ролевой модели доступа к данным и компонентам системы. 5. Реализация предметных областей Необходимо обеспечить техническую реализацию четырёх аналитических направлений: Итоги внешней торговли участников ВЭД России — анализ экспорта и импорта, товарных групп, компаний, стран и регионов. Мировая торговля и место России — сравнение показателей стран, рейтинги, динамика и доля России в мировой торговле. Экспортный потенциал — подготовка данных для расчётной модели определения компаний с потенциальными экспортными возможностями и сохранение результатов её работы. Торговля услугами — подготовка архитектуры интеграции и аналитических представлений для последующего подключения официальных данных. Требования к специалисту Практический опыт разработки ETL/ELT-процессов и интеграции разнородных источников данных. Уверенное владение Python и SQL. Опыт работы с Apache Airflow. Опыт проектирования и разработки хранилищ данных (DWH), витрин данных и аналитических представлений. Практический опыт работы с PostgreSQL; знание Greenplum или Greengage будет преимуществом. Опыт работы с Apache Superset или аналогичными BI-платформами. Понимание принципов многослойной архитектуры данных, моделирования фактов и измерений, построения аналитических витрин. Навыки оптимизации SQL-запросов и работы с большими объёмами данных. Опыт интеграции REST API, обработки JSON и реализации механизмов авторизации. Понимание принципов разграничения доступа, журналирования и контроля качества данных. Готовность работать по подробному техническому заданию и взаимодействовать с представителями заказчика. Будет преимуществом Опыт разработки BI-решений для крупных компаний, государственных организаций или финансовых институтов. Опыт работы в закрытых информационных контурах с ограничениями на внешние подключения. Опыт интеграции данных из нескольких корпоративных систем без дублирования первичных массивов. Опыт построения аналитических моделей, рейтингов и расчётных показателей. Опыт работы с классификаторами, мастер-данными и историческими срезами данных. Опыт подготовки технической документации, программ и методик испытаний. Ожидаемый результат По итогам работ необходимо обеспечить: Работоспособные ETL-процессы загрузки и преобразования данных. Настроенное хранилище данных с необходимыми слоями и витринами. Интеграцию с согласованными источниками данных и нормативно-справочной информацией. Четыре аналитические предметные области в Apache Superset. Интерактивные дашборды, фильтры и таблицы. Выгрузку отдельных блоков в XLS/CSV и формирование отчетов в Word. Ролевое разграничение доступа. Техническую документацию и материалы, необходимые для тестирования и передачи системы заказчику. Разработка ведётся поэтапно. Состав работ по отдельным модулям уточняется при согласовании технического решения и исходных данных.

Data Science. Разработка с нуля, тестирование, настройка. • Помочь создать аккаунт в Selectel и запустить 3 виртуальные машины на Windows Server (RDS). • Выделить каждой машине свой IP-адрес для разделения сетевого трафика. • Настроить индивидуальный доступ к учетным базам • Настроить корректный проброс физических USB-токенов (ЭЦП Рутокен) ПК на соответствующие серверы. • Подключить автоматические бэкапы. Ищем специалиста с опытом администрирования Windows Server и настройки криптографии. Подробное ТЗ отправлю в чат.

Data Science. Доработка существующего продукта. Пожелания и особенности: Ищем BI backend-разработчика с опытом работы с Apache Superset. Требования: • Коммерческий опыт разработки от 3 лет. • Практический опыт работы с Apache Superset. Условия: • Удалённая работа, график по московскому времени. • Гражданство и локация — РФ. • Проект до конца 2026 года, возможно продление.

Доработка существующего продукта, Ревью работы.

Разработка с нуля.

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. Разработка с нуля, тестирование. I am looking for a job opportunities.

Разработка с нуля, тестирование, настройка, доработка существующего продукта.

Data Science. Разработка с нуля.

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. Прошу помощь с заданием в университете.

Доработка существующего продукта, настройка, тестирование, разработка с нуля. Провести анализ качественных данных по психологическому исследованию. Данные опроса, провести регрессию и факторный анализ.

Разработка с нуля. Анализ финансовых данных (банковские выписки, платежные поручения). Трассирование денежных средств за 7 лет.

решение задачи. Нужно помочь с решением задачи https://www.kaggle.com/competitions/home-credit-default-risk/data.

Data Science. Доработка существующего продукта. Прием и передача информации по портам микропропроцуссора.

Разработка с нуля.

Экзамен.

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.

Доработка существующего продукта. Пожелания и особенности: Работа с python nupmy, с продуктовой аналитикой.

Обучение. Нужна помощь в задаче.

Разработка с нуля. Вававав.

Разработка с нуля.

Доработка существующего продукта, тестирование, настройка. Есть задание, и пошаговое выполнение. Необходимо вместе ее выполнить.

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.

Разработка с нуля.

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.

Data Science. Консультация, уроки по архитектуре ИС.

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. Разработка OLap кубов на SQL, разработка дашбордов Power BI, DAX.

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.

Есть данные рынков, нужно ежемесячно делать отчеты и презентации по данным.

Test use case for senior data engineer online (time limited 60 min).

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.

Тестирование.

Разработка с нуля, тестирование, настройка, доработка существующего продукта.

Data Science. Настройка.