Программирование — работа в Москве
Дата: 2021-05-28
Детали
Регион
Москва
Метро
Краснопресненская, Цветной бульвар, Чеховская, Боровицкая, Полянка, Тургеневская, Китай-город, Третьяковская, Чистые пруды, Лубянка, Сретенский бульвар, Трубная, Менделеевская, Дубровка, Серпуховская, Рижская, Проспект Мира, Комсомольская, Курская, Марксистская, Пролетарская, Кузнецкий Мост, Пушкинская, Новокузнецкая, Маяковская, Крестьянская Застава, Римская, Чкаловская, Охотный Ряд, Библиотека им. Ленина, Площадь Революции, Тверская, Тульская
Занятость
на дому
Стоимость
договорная
Дата публикации
2021-05-28
Описание
Для себя (Освоить хотя бы базу с нуля, выбрать язык и изучить его)
Похожие заказы
Машинное обучение
дистанционно
договорная
Дз университет Мне нужно по моему датасету сделать следующее: И желательно в ближайшие дни Прогнозирование выручки с использованием моделей временных рядов 1. Подготовка данных ? Создайте датафрейм из двух столбцов: date (дата) и sales (продажи/выручка). ? Преобразуйте столбец date в тип datetime. ? Установите date в качестве индекса датафрейма (df.set_index('date', inplace=True)). ? Проверьте данные на пропуски и дубликаты. Решите, как их обработать (интерполяция, заполнение средним и т.д.). 2. Агрегация и первичный анализ ? Используйте df.resample('M').sum() (или 'W', 'Q') для выбора периода (месяц — оптимально для большинства бизнес-задач). Обоснуйте выбора периода. ? Постройте линейный график агрегированного ряда (plot()). Оцените визуально: есть ли тренд, сезонность, выбросы, структурные изменения. 3. Декомпозиция ряда ? Выполните декомпозицию (аддитивную или мультипликативную) с помощью seasonal_decompose. Мультипликативная модель подходит, если амплитуда сезонных колебаний растет со временем. ? Визуализируйте тренд, сезонную компоненту и остаток. 4. Проверка на стационарность и стационаризация ? Определите тип колеблемости с помощью автокорреляции первого порядка по отклонению от тренда. ? Определите стационарность набора данных с помощью теста Дики-Фуллера (ADF). Если p-value > 0.05, ряд нестационарен. ? Примените первое дифференцирование: df_diff = df.diff().dropna(), если ряд нестационарен. ? Повторно провести ADF-тест для df_diff. Если ряд все еще нестационарен, применить второе дифференцирование. Порядок дифференцирования d = 1 (реже 2). 5. Идентификация модели ? Постройте графики ACF и PACF для стационарного ряда (df_diff). ? Определите p (порядок AR). Смотреть на график PACF. Порядок p — это количество значимых выбросов до того, как корреляции перестанут быть значимыми (окажутся внутри доверительного интервала). ? Определите q (порядок MA). Смотреть на график ACF. Порядок q — это количество значимых выбросов до того, как корреляции перестанут быть значимыми. ? Определите наличие сезонности. Если на графике ACF исходного ряда есть значимые пики на лагах, кратных периоду (например, на 12, 24, 36 для месячных данных), нужна SARIMA с сезонными параметрами (P, D, Q, S), где S — период сезонности (12 для месяцев). 6. Разделение данных и обучение модели ? Разделите ряд на обучающую (70-80%) и тестовую (20-30%) выборки. Не перемешивать! Тестовая часть — это последние периоды временного ряда. ? Подберите несколько моделей-кандидатов на основе шага 5 (например, ARIMA(1,1,1), ARIMA(0,1,2), SARIMA(1,1,1)(1,1,1,12)). ? Обучите каждую модель на тренировочных данных. 7. Валидация и выбор лучшей модели ? Сделайте прогноз по каждой модели на длину тестовой выборки. ? Рассчитайте метрики ошибок (MAE, RMSE, MAPE) на тестовой выборке, сравнив прогноз с реальными значениями. ? Выберите модель с наименьшими ошибками. ? Визуализируйте: на одном графике тренировочные данные, тестовые данные и прогноз выбранной модели. 8. Диагностика остатков ? Получите остатки (ошибки) финальной модели: residuals = model_fit.resid. ? Проверьте на нормальность полученные ошибки. Постройте гистограмму с кривой распределения и/или Q-Q plot. Выполнить тест Шапиро-Уилка (если данных не очень много). ? Проверьте на автокорреляцию полученные остатки. Постройте график ACF для остатков. Выполнить тест Льюнга-Бокса (p-value должен быть > 0.05, что говорит об отсутствии автокорреляции). ? Проверьте остатки на гомоскедастичность. Постройте график остатков от времени. Не должно быть какой-либо структуры (например, увеличения разброса со временем). Хорошие остатки похожи на "белый шум". 9. Финальное прогнозирование ? Если диагностика остатков удовлетворительная, переобучите выбранную модель на всем доступном наборе данных (train + test). ? Постройте прогноз на нужное количество шагов вперед. ? Постройте график итогового прогноза с доверительными интервалами. В чем проблема - у меня вроде получилось сделать 5 первых шагов, но датасет всего из 12 месяцев и это создает проблемы, которые я не уверена, что решаю и интерпретирую правильно Так же до этого делала анализ по этому датасету (что-то вроде предобработка, eda, статистический анализ) и там есть некоторые моменты по rfm анализу, где хотелось бы тоже услышать мнение, но это уже по возможности и не так важно
Москва
Репетиторы
2025-12-18
Обучение фронтенд-разработке
дистанционно
договорная
Для себя Нужен человек, который поможет в изучении JavaScript, поможет подтянуть ООП и поможет прогрессировать в этом направлении.
Москва
Репетиторы
2025-12-18
Обучение Python
дистанционно
договорная
Для ребёнка Объяснить начальный базовый уровень, подготовиться к КР, вместе прорешать д/з
Карелия
Репетиторы
2025-12-18
UX-UI дизайн
дистанционно
договорная
Решить итоговое задание. Продукт: Задача: Адаптировать готовый десктопный макет главной страницы сервиса аренды Rentallio в мобильную версию для ширины экрана 375px с использованием Figma. Исходные данные и инструменты: -Предоставлю исходный PSD/Figma-файл с десктопным макетом. -Необходимо использовать Auto Layout для создания отзывчивых компонентов. -Обязательно создать стили для цветов и шрифтов. -Повторяющиеся элементы (кнопки, карточки) нужно оформить как компоненты. -Для элементов интерфейса следует использовать iOS 18 UI Kit. Технические требования к результату: -В файле должен быть один фрейм шириной 375px с полной мобильной версией страницы. -Рядом с основным макетом необходимо расположить библиотеку компонентов (например, кнопок). -Фрейм должен быть удлинен по высоте, чтобы вместить весь контент. -Макет должен быть адаптивным — элементы должны корректно менять размер и положение. Ключевые принципы, которые нужно учесть: -Mobile-first подход: Сосредоточиться на удобстве использования на маленьком экране. -Touch-friendly интерфейс: Все интерактивные элементы (кнопки, ссылки) должны быть достаточно крупными для нажатия пальцем. Четкая визуальная иерархия: Упростить навигацию, возможно, использовать гамбургер-меню для мобильной версии. Объём работ: В рамках задачи необходимо выполнить следующее: 1. Количество макетов: 1 (один) полный экран/страница — главная страница сервиса Rentallio. Исходник: 1 десктопный макет ? Результат: 1 мобильный макет шириной ровно 375px (высота — под контент). 2. Основные блоки/элементы для адаптации (из типового макета аренды): Шапка с логотипом и навигацией (адаптировать в «гамбургер»-меню или компактную панель). Герой-секция (баннер) с заголовком и поисковой формой/кнопкой. Секция фильтров или категорий. Секция со списком карточек объектов/товаров (дома, машины). Карточка объекта (повторяющийся компонент). Футер с ссылками и контактами. 3. Обязательные технические требования: Создание стилей (Text Styles, Color Styles) для всех текстов и цветов. Создание компонентов (Components) для всех повторяющихся элементов (кнопки, карточки, иконки). Построение всех слоев и групп с использованием Auto Layout. Использование iOS 18 UI Kit для системных элементов (если требуется). Организация файла: готовый мобильный фрейм + панель с компонентами рядом. Технического задания нет. При адаптации важно учитывать, что интерфейс должен быть удобен для управления пальцем (увеличить области клика, сделать адекватные отступы). Приветствуется творческий подход в реорганизации контента для мобильных устройств (например, горизонтальный свайп для карточек, если это уместно). Прошу согласовывать ключевые решения по компоновке в процессе работы https://u.netology.ru/backend/uploads/lms/content_assets/file/12271/Итоговое_задание__new.fig?_gl=1*8glg7s*_gcl_au*MzgxNjQzNTE1LjE3NjA0NTc3MDA. https://www.figma.com/community/file/1385659531316001292.
Москва
Фрилансеры
2025-12-17
Обучение программированию
дистанционно
договорная
Язык программирования: Scratch Для ребёнка Добрый вечер. Мне вас посоветовали как педагога с которым дети могу последовательно и ответственно развиваться в программировании) У нас три сына: 8.8 и 6.5 старшие мальчики. Младшему пока рано. Оба учатся в школе : 3 и 1 классы. Сейчас они в школе с сильным IT направлением и они показывают очень хорошие результаты в программировании и робототехнике. Но мы рассматриваем их возвращение с другую школу, гдеоагее учились по британской программе и там ИТ не будет. Я в поиске робототехники оффлайн и программирование хотим попробовать онлайн для удобства. У них разный опыт в программировании в силу возраста . Я попросила педагогов прислать подробну обратную связь, могу ей поделиться.
Москва
Репетиторы
2025-12-17
UX-UI дизайн
дистанционно
договорная
Дизайн сайта, дизайн мобильного приложения, дизайн документов, презентаций. Платформа: разное. Продукт: Добрый день, Ищу дизайнера на почасовые задачи для долгосрочного сотрудничества. Задачи - UI/UX дизайн интерфейсов, работа в Фигме. Иногда нужно помогать с дизайном презентаций Требования: возможность браться за задачи как можно скорее по мере их появления, стабильная коммуникация, работа в команде - бывают и большие проекты, опыт дизайна красивых и понятных экранов Портфолио обязательно, упор на пользовательские интерфейсы Сразу пишите в Телеграм -@eo_an. Объём работ: 10. Технического задания нет.
Москва
Фрилансеры
2025-12-17
Обучение программированию
от 500.00 руб.
Язык программирования: Scratch Язык программирования: Scratch. Ищем педагога для группы детей. Конспекты и все материалы для работы предоставим. Занятия будут проходить офлайн по адресу ул.Навагинская д11к5, Группы небольшие Можно без опыта,всему научим) занятия по выходным Обучение детей
Сочи
Репетиторы
2025-12-17