Data scientist — удалённая работа в Москве

Разработка с нуля. Пожелания и особенности: Техническое задание — Симуляционная модель MLM (полный перебор векторов уровней) 1. Цель Сгенерировать все фактически возможные сценарии структуры MLM-дерева глубины L = 7 и L = 8 при следующих правилах: • Корень (уровень 0) = 1 (главный «хозяин»). • Каждый участник на уровне k может иметь от min_children = 1 до max_children = 10 непосредственных подчинённых на уровне k+1. • Генерация всех допустимых векторов численностей по уровням (n0, n1, ..., nL) удовлетворяющих правилам (будем считать n0=1). • Фильтрация сценариев так, чтобы общая численность total = sum(n0..nL) лежала в диапазоне [10, 500000]. • Для каждого допустимого вектора требуется сгенерировать явное дерево (каждому участнику присвоено имя/ID и указано parent_id) — как минимум один (канонический) способ привязки детей к родителям. • В имени/идентификаторе сценария должно быть «зашито» число участников по каждому уровню (например: L7_1-3-9-27-81-243-729_total=1093). Дополнительно (опционально): возможность полного перечисления ВСЕХ возможных распределений количества детей между конкретными родителями для каждого вектора (если включено — предупреждение о масштабности и лимитах). 2. Входные параметры (конфигурация) • L_set = {7, 8} — глубины, которые моделируем. • min_children = 1 • max_children = 10 • min_total = 10 • max_total = 500000 • root_count = 1 (n0) • canonical_parent_assignment = True (по умолчанию генерируем 1 каноническое дерево на вектор) • enumerate_all_parent_distributions = False (опция; WARNING: экспоненциальный рост) • output_formats = [“CSV“, • name_locale = [“en_US“, “ru_RU“] (для Faker — генерация имён; можно выбрать) • random_seed (для воспроизводимости) • max_scenarios_to_export (ограничение вывода, по умолчанию — бесконечно, но разумно задать) 3. Математическая модель (условия допустимости вектора уровней) Обозначим n_0 = 1. Для уровней k = 0..L-1 и k+1: • n_{k+1} должно удовлетворять: и при этом n_{k+1} >= 1 (всё это целые числа). Таким образом, вектор n = (n_0, n_1, ..., n_L) допустим, если для всех k условие выполняется. Общая численность total = sum(n) фильтруется по диапазону [min_total, max_total]. Замечание: это условие описывает только численность на уровнях, но не уникальные способы распределения детей между конкретными родителями. Число таких распределений для заданного (n_k, n_{k+1}) — это задача разбиения n_{k+1} на n_k частей с ограничениями 1..10 (сочетания с повторениями), и их перечисление быстро становится чрезвычайно большим. 4. Перебор векторов (полный перебор) 4.1 Метод перебора • Рекурсивно строим уровни: начиная с n0=1, на каждом шаге k перебираем все n_{k+1} в диапазоне [n_k*min_children, n_k*max_children]. • Останавливаемся, когда получен вектор длины L+1 (от 0 до L). • Проверяем total и сохраняем вектор, если min_total ? total ? max_total. 4.2 Оценка количества таких векторов (практическая заметка) • Количество векторов может быть очень большим, но существенно меньше, чем число всех возможных деревьев с распределением по конкретным родителям. • Тем не менее, при max_children=10 и глубине 8 число возможных векторов остаётся сопоставимым с продуктом диапазонов на каждом шаге и может быть в миллионах. Нужно предусмотреть потоковую генерацию и запись (streaming), чтобы не держать всё в памяти. 5. Формат и структура выходных данных Для каждой сгенерированной структуры (сценария) экспортируем 2 набора файлов: 1. Метаданные сценария (одна строка на сценарий): • scenario_id • scenario_name (формат см. ниже) • L (глубина) • vector_levels (строка: 1-3-9-...) • total_nodes • n_by_level (JSON) • generated_on (timestamp) • node_file (путь к файлу с узлами) 2. Nodes file — детализированная таблица всех участников сценария: • Колонки: id, name, level, parent_id, scenario_id, path. • Формат: CSV (стриминговая запись).