Разработка мобильных приложений — удалённая работа в Санкт-Петербурге

Веб-разработка. Нужно сделать самую простую серверную часть. Технические требования включают серверную часть и компилятор VHDL. Серверная часть должна использовать фреймворк Laravel 8.0, язык программирования PHP с фреймворком Laravel, а также Python для обработки VHDL кода. Система управления базами данных должна быть PostgreSQL, а веб-сервер — Open Server. Компилятор VHDL должен быть написан на языке программирования Python и интегрирован с серверной частью, обеспечивая механизмы для обработки запросов от веб-приложения, компиляции VHDL кода и возврата результатов. На вход серверу подается JSON файл, описывающий логическую схему. На сервере входной JSON файл парсится для извлечения информации о логических элементах и соединениях На основе парсинга JSON файла генерируется VHDL код. Пример выходного JSON файла после компиляции: { "status": "success", "compiled": { "entity": "logic_circuit", "architecture": "Behavioral", "signals": { "input1": "in STD_LOGIC", "input0": "in STD_LOGIC", "lamp": "out STD_LOGIC" }, "logic": "lamp <= input1 or input0;" } }.

На работе поставлена задача, она же является и темой ВКР. 1. Данные по вакансиям и резюме берутся с hh. (данные частично спарсены) 2. На вакансию поступают отклики. 3. Задача выбрать наиболее подходящего кандидата среди этих откликов, используя методы ML. То есть разработать модель Скилы кандидатов и в вакансиях в текстовом виде. Можно учитывать их семантическую близость при выборе кандидата. Как я понимаю, это задача регрессии. Но возможно и задача ранжирования или рекомендательная, и я с ними не знакома. Нужна помощь в выборе модели и объяснении выбора. Стоит ли рассчитывать семантическую близость, переводя текст в вектора, или лучше воспользоваться алгоритмом и регулярными выражениями. Модель Gensim w2v обучена для рассчета сем.близости в google colab, но библиотека не устанавливается локально в Visual studio code. То есть нужна помощь в объяснении в целом (дальше я сама) и в решении локальных задач - как например с установкой библиотеки. Возможно потребуется подключение в моему компу.

Настроить. 1С: Управление торговлей. Версия: 8.3, 1С УНФ 3.0. Мы работаем на серверной, версия 1С УНФ 3.0. Нам нужно настроить интеграцию так, чтобы часть информации из серверной версии в режиме реального времени отражалась в облачной версии. Мы - бренд одежды и туристического оборудования. Просьба указывать контакты, сроки и цену. Важно: составитель объявления - ассистент заказчика. По вопросам окончательного заказа с Вами свяжется сам заказчик. Ассистент непосредственно занимается сбором контактов.

Data Science. Сделать задание. Нужно сделать три упражнения по Питону, дан код, нужно его дописать: 1. Fill in the blanks in the code chunk below to calculate the gradient descent function 2. Try to complete the code for stochastic gradient descent for Linear regression. 3. Write a code to calculate log loss with NumPy.

Задачи чат-бота: приём текстовых заказов. Продукт: Продажа марафона. Техзадание есть. 6 информационных сообщений видео+текст, три кнопки, одна из них с мультивыбором.

Здравствуйте! Нужно сделать дашборд как в примере -https://revealthedata.com/examples/hh/ , вместо вакансии аналитиков, будут вакансии связанные с инвестиями и трейдингом.

Задачи чат-бота: выкладывать текст на Дзен. Продукт: студия Дизайна. Техзадания нет.